torch.reshape?是 PyTorch 用于改變張量形狀的函數(shù)之一。它不會改變張量的數(shù)據(jù)，而是重新組織其元素以適應(yīng)新的形狀。

---

reshape?的使用

torch.reshape(input, shape) → Tensor

• input：輸入張量。
• shape：新形狀，使用整數(shù)或 -1 指定各維度大小。
  • -1?表示自動推斷該維度大小，使總元素數(shù)保持不變。

示例

import torch# 創(chuàng)建一個形狀為 (2, 3) 的張量
x = torch.arange(6).view(2, 3)# 使用 reshape 改變形狀為 (3, 2)
y = torch.reshape(x, (3, 2))print(y)
# 輸出：
# tensor([[0, 1],
#         [2, 3],
#         [4, 5]])

使用?-1?自動推斷

z = torch.reshape(x, (-1, 2))
print(z)
# 輸出：
# tensor([[0, 1],
#         [2, 3],
#         [4, 5]])

與其他張量形狀改變函數(shù)的區(qū)別

1.?view

• 特點：view?也用于改變張量形狀，但它要求輸入張量在內(nèi)存中是連續(xù)的。
• 限制：如果張量不是連續(xù)的（即非?contiguous），使用?view?會報錯，需要先調(diào)用?contiguous?方法。
• 示例：

x = torch.arange(6).view(2, 3)
y = x.view(3, 2)  # 可以直接使用x = x.T  # 轉(zhuǎn)置操作使張量變?yōu)榉沁B續(xù)
y = x.view(3, 2)  # 會報錯

2.?permute

• 特點：用于交換張量的維度，而不是改變形狀。
• 用途：適用于維度重新排列。

x = torch.rand(2, 3, 4)
y = x.permute(1, 0, 2)  # 改變維度順序

3.?resize_

• 特點：修改張量形狀，可能破壞原始數(shù)據(jù)，慎用。
• 用途：多用于臨時調(diào)整張量形狀，不推薦在計算中使用。

4.?squeeze?/?unsqueeze

• 特點：
  • squeeze：移除長度為 1 的維度。
  • unsqueeze：添加長度為 1 的維度。
• 示例：

x = torch.rand(1, 3, 1, 4)
y = x.squeeze()  # 去掉長度為 1 的維度
z = x.unsqueeze(2)  # 在第 2 個位置添加一個長度為 1 的維度

5.?flatten

• 特點：將多維張量展平為一維張量，或在指定維度范圍內(nèi)展平。
• 用途：簡化張量為線性輸入。
• 示例：

  x = torch.rand(2, 3, 4)
  y = torch.flatten(x)  # 展平為 1D
  z = torch.flatten(x, start_dim=1)  # 從第 1 維開始展平
  print(z.shape)  # torch.Size([2, 12])

  reshape?的優(yōu)勢

• 靈活性：不需要張量是連續(xù)的。
• 安全性：自動處理非連續(xù)張量（相比?view）。
• 性能：通常不會引入額外開銷，尤其在連續(xù)內(nèi)存情況下。

reshape?與?view?的選擇

• 如果確定張量是連續(xù)的，可用?view?提高性能。
• 如果不確定張量是否連續(xù)，使用?reshape?更安全。

---

以下函數(shù)在改變張量形狀或維度時不會破壞原始數(shù)據(jù)：

• reshape
• view（前提是張量連續(xù)）
• permute
• transpose
• squeeze?/?unsqueeze
• flatten
• contiguous

這些操作只會影響數(shù)據(jù)的組織形式或內(nèi)存布局，而不會修改數(shù)據(jù)本身。

總結(jié)

• reshape?是 PyTorch 中改變張量形狀的通用函數(shù)，靈活且易用。
• 與其他形狀操作函數(shù)（如?view、permute、squeeze?等）的主要區(qū)別在于適用場景和對張量內(nèi)存布局的要求。