pytorch tensor处理

2022 年 10 月 14 日

421 次浏览

1112字数

# pytorch tensor处理

## permute

类似于np.transpose，将tensor的维度换位，只能Tensor.permute()

eg：

![image-20221012224124489.png](http://xherlock.top/usr/uploads/2022/10/1296212589.png)

作为对比，torch.transpose()只能操作2D矩阵的转置，即一次作用于tensor的两个维度

## contiguous

pytorch中Tensor是按行优先一维展开的，但是某些Tensor操作后比如transpose、permute等，与原Tensor是共享内存中的数据，不会改变底层数组的存储，语义上相邻，内存不相邻，即不连续了，直接使用view会报错，需要使用contiguous

![image-20221013083227963.png](http://xherlock.top/usr/uploads/2022/10/3386726526.png)

t2和t引用的是同一份底层数据[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11]

使用contiguous相当于重新开辟了一块内存，并按照新的Tensor按行一维展开，改变了底层数据

所以可以考虑用torch.reshape()替代tensor.contiguous().view()，省去了调用麻烦

## view

相当于resize()，根据输入形状重新排列tensor

## expand

返回tensor的一个新视图，单个维度扩大为更大的尺寸（复制）

eg：

![image-20221013084629546.png](http://xherlock.top/usr/uploads/2022/10/4186460960.png)

![image-20221013084904431.png](http://xherlock.top/usr/uploads/2022/10/2990877006.png)

## torch.empty_like(x)

返回和x形状相同的使用未初始化值填充的tensor

## torch.bernoulli()

torch.bernoulli(input)表示从伯努利分布中提取二进制随机数0或1，输入张量应为包含用于绘制二进制随机数的概率的张量，因此输入中的所有值都必须在(0,1)范围内

最后修改：2022 年 10 月 14 日

如果觉得我的文章对你有用，请随意赞赏