对pytorch中x = x.view(x.size(0), -1) 的理解说明-6ren

对pytorch中x = x.view(x.size(0), -1) 的理解说明

转载作者：qq735679552 更新时间：2022-09-29 22:32:09

CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章对pytorch中x = x.view(x.size(0), -1) 的理解说明由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

在pytorch的CNN代码中经常会看到

 
    ? 
   
         x.view(x.size( 
         0 
         ),  
         - 
         1 
         )

首先，在pytorch中的view()函数就是用来改变tensor的形状的，例如将2行3列的tensor变为1行6列，其中-1表示会自适应的调整剩余的维度。

 
    ? 
   
         a  
         = 
         torch.Tensor( 
         2 
         , 
         3 
         ) 
        
         print 
         (a) 
        
         # tensor([[0.0000, 0.0000, 0.0000], 
        
         #    [0.0000, 0.0000, 0.0000]]) 
        
         print 
         (a.view( 
         1 
         , 
         - 
         1 
         )) 
        
         # tensor([[0.0000, 0.0000, 0.0000, 0.0000, 0.0000, 0.0000]])

在CNN中卷积或者池化之后需要连接全连接层，所以需要把多维度的tensor展平成一维，x.view(x.size(0), -1)就实现的这个功能。

 
    ? 
   
         def 
         forward( 
         self 
         ,x): 
        
         x 
         = 
         self 
         .pre(x) 
        
         x 
         = 
         self 
         .layer1(x) 
        
         x 
         = 
         self 
         .layer2(x) 
        
         x 
         = 
         self 
         .layer3(x) 
        
         x 
         = 
         self 
         .layer4(x) 
        
         x 
         = 
         F.avg_pool2d(x, 
         7 
         ) 
        
         x 
         = 
         x.view(x.size( 
         0 
         ), 
         - 
         1 
         ) 
        
         return 
         self 
         .fc(x)

卷积或者池化之后的tensor的维度为(batchsize，channels，x，y)，其中x.size(0)指batchsize的值，最后通过x.view(x.size(0), -1)将tensor的结构转换为了(batchsize, channels*x*y)，即将（channels，x，y）拉直，然后就可以和fc层连接了。

补充：pytorch中view的用法(重构张量) 。

view在pytorch中是用来改变张量的shape的，简单又好用.

pytorch中view的用法通常是直接在张量名后用.view调用，然后放入自己想要的shape。如。

 
    ? 
   
         tensor_name.view(shape)

Example

1. 直接用法：

 
    ? 
   
         >>> x  
         = 
         torch.randn( 
         4 
         ,  
         4 
         ) 
        
         >>> x.size() 
        
         torch.Size([ 
         4 
         ,  
         4 
         ]) 
        
         >>> y  
         = 
         x.view( 
         16 
         ) 
        
         >>> y.size() 
        
         torch.Size([ 
         16 
         ])

2. 强调某一维度的尺寸：

 
    ? 
   
         >>> z  
         = 
         x.view( 
         - 
         1 
         ,  
         8 
         )  
         # the size -1 is inferred from other dimensions 
        
         >>> z.size() 
        
         torch.Size([ 
         2 
         ,  
         8 
         ])

3. 拉直张量：

(直接填-1表示拉直，等价于tensor_name.flatten()) 。

 
    ? 
   
         >>> y  
         = 
         x.view( 
         - 
         1 
         ) 
        
         >>> y.size() 
        
         torch.Size([ 
         16 
         ])

4. 做维度变换时不改变内存排列

 
    ? 
   
 
     
       
       
         >>> a  
         = 
         torch.randn( 
         1 
         ,  
         2 
         ,  
         3 
         ,  
         4 
         ) 
        
 
         >>> a.size() 
        
 
         torch.Size([ 
         1 
         ,  
         2 
         ,  
         3 
         ,  
         4 
         ]) 
        
 
         >>> b  
         = 
         a.transpose( 
         1 
         ,  
         2 
         )  
         # Swaps 2nd and 3rd dimension 
        
 
         >>> b.size() 
        
 
         torch.Size([ 
         1 
         ,  
         3 
         ,  
         2 
         ,  
         4 
         ]) 
        
 
         >>> c  
         = 
         a.view( 
         1 
         ,  
         3 
         ,  
         2 
         ,  
         4 
         )  
         # Does not change tensor layout in memory 
        
 
         >>> c.size() 
        
 
         torch.Size([ 
         1 
         ,  
         3 
         ,  
         2 
         ,  
         4 
         ]) 
        
 
         >>> torch.equal(b, c) 
        
 
         False 
        
 
     
 
   

注意最后的False，在张量b和c是不等价的。从这里我们可以看得出来，view函数如其名，只改变“看起来”的样子，不会改变张量在内存中的排列.

以上为个人经验，希望能给大家一个参考，也希望大家多多支持我。如有错误或未考虑完全的地方，望不吝赐教.

原文链接：https://blog.csdn.net/TYUT_xiaoming/article/details/100799527 。

最后此篇关于对pytorch中x = x.view(x.size(0), -1) 的理解说明的文章就讲到这里了,如果你想了解更多关于对pytorch中x = x.view(x.size(0), -1) 的理解说明的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！。

文章推荐： go语言基础 seek光标位置os包的使用

文章推荐： Golang 实现获取当前函数名称和文件行号等操作

文章推荐： Golang 获取文件md5校验的方法以及效率对比

文章推荐： GoLang中生成UUID唯一标识的实现

size - ValueError : Target size (torch. Size([16])) 必须与输入大小相同 (torch.Size([16, 1]))
ValueError Traceback (most recent call last) in 23 out
CSS Percent size specifier sizing element to more than specified size
在 CSS 中，我从来没有真正理解为什么会发生这种情况，但每当我为某物分配 margin-top:50% 时，该元素就会被推到页面底部，几乎完全消失这一页。我假设 50% 时，该元素将位于页面的中间位
neural-network - ValueError : Target size (torch. Size([1000])) must be the same as input size (torch.Size([1000, 1]))
我正在尝试在 pyTorch 中训练我的第一个神经网络(我不是程序员，只是一个困惑的化学家)。网络本身应该采用 1064 个元素向量并用 float 对它们进行评级。到目前为止，我遇到了各种各样的
c# - 数组移位/错误索引/i = [x+y*size+z*size*size]
我有一个简单的问题。如何在 3 个维度上移动线性阵列？这似乎太有效了，但在 X 和 Y 轴上我遇到了索引问题。我想这样做的原因很简单。我想创建一个带有 block 缓冲区的体积地形，所以我只需要在视口
python - 如何解决与输入大小 (torch.Size([1])) 不同的 UserWarning : Using a target size (torch. Size([]))？
我正在尝试运行我购买的一本关于 Pytorch 强化学习的书中的代码。代码应该按照本书工作，但对我来说，模型没有收敛，奖励仍然为负。它还会收到以下用户警告: /home/user/.local/li
python - PyTorch ValueError : Target size (torch. Size([64])) 必须与输入大小相同 (torch.Size([15]))
我目前正在使用 this repo使用我自己的数据集执行 NLP 并了解有关 CNN 的更多信息，但我一直遇到有关形状不匹配的错误: ValueError: Target size (torch.Si
objective-c - UIScrollView.size = view.size - allAdditionalBars.size(如 TabBar 或 NavigationBar)以编程方式
UIScrollView 以编程方式设置，请不要使用 .xib 文件发布答案。我的 UIScrollView 位于我的模型类中，所以我希望代码能够轻松导入到另一个项目中，例如。适用于 iPad 或旋
css - Bootstrap 4 : How Can I Set $font-size-base for Different Monitor Sizes using Responsive Font Sizing?
我在我的 Ruby on Rails 应用程序(版本 4.3.1)中使用 Bootstrap gem。我最近发现了响应式字体大小功能 (rfs)。根据 Bootstrap 文档，它刚刚在 4.3 版中
Android App开发错误: "Bad XML block: header size 60 or total size 3932356 is larger than data size 0"
这个问题不太可能帮助任何 future 的访客；它仅与一个小地理区域、一个特定时刻或一个非常狭窄的情况相关，而这些情况通常不适用于互联网的全局受众。如需帮助使这个问题更广泛地适用，visit the
scala - size 和 size 的区别是
size 之间的语义区别是什么？和 sizeIs ?例如， List(1,2,3).sizeIs > 1 // true List(1,2,3).size > 1 // true Luis 在 c
javascript - 从子元素中删除 Size 和 font-size
我想从 div 中删除一些元素属性。我的 div 是自动生成的。我想遍历每个 div 和子 div，并想删除所有 font-size (font-size: Xpx)和 size里面font tag
python - 使用 self.size = size 时语法无效
super ，对 Python 和一般编程 super 新手。我有一个问题应该很简单。我正在使用一本使用 Python 3.1 版的 python 初学者编程书。我目前正在写书中的一个程序，我正在学
size - native 库 : change thumbnail default size
我无法从 NativeBase 更改缩略图的默认大小。我可以显示默认圆圈，即小圆圈和大圆圈，但我想显示比默认大小更大的圆圈。这是我的缩略图代码: Prop 大小不起作用，缩略图仍然很小。我的 Na
pytorch - pytorch中张量torch.Size([])和torch.Size([1])的形状差异
我是pytorch的新手。在玩张量时，我观察到了两种类型的张量- tensor(58) tensor([57.3895]) 我打印了它们的形状，输出分别是 - torch.Size([]) torch
Docker 镜像 : virtual size vs real size
这是我的 docker images 命令的输出: $ docker images REPOSITORY TAG IMAGE ID CREATED
java - 为什么使用 "s = --size"而不是 "s = size"？
来自 PriorityQueue 的代码: private E removeAt(int i) { assert i >= 0 && i < size; modCount++;
c++ - sizeof() : the size of a class isn't the same as the size of it's members together?
首先，在我的系统上保留以下内容:sizeof(char) == 1 和 sizeof(char*) == 4。很简单，当我们计算下面类的总大小时: class SampleClass { char c
iphone - cocos2d content.size、boundingBox 和 size
我正在编写一个游戏来查找 2 个图像之间的差异。我创建了 CCSprite 的子类 Spot。首先我尝试创建小图像并根据其位置添加自身，但后来我发现位置很难确定，因为很难避免 1 或 2 个像素的偏移
javascript - Tumblr:photoUrl-(size) - size depending on class？
我有一个 Tumblr Site每个帖子的宽度由标签决定。如果一篇文章被标记为 #width200，CSS 类 .width200 被分配。问题是，虽然帖子的宽度不同，但它们都使用主题运算符加载相
c++ - 为什么动态分配的数组大小在插入时是初始数组的 2*size，而不是 size+1？
这个问题在这里已经有了答案: What is the ideal growth rate for a dynamically allocated array? (12 个答案) 关闭 8 年前。我

qq735679552

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城