Pytorch下张量的形状操作（详细）

目录

一、基本操作函数

二、分类：维度改变，张量变形，维度重排

2.1维度改变

2.2张量变形

2.3维度重排

三、实例

一、基本操作函数

在PyTorch中，对张量的形状进行操作是常见的需求，因为它允许我们重新组织、选择和操纵数据，以适应各种模型和函数的需求。以下是一些基本的形状操作函数：

1. view(): 该方法用于重塑张量。它返回一个新的张量，其数据与原张量相同，但形状不同。你需要保证新形状与原始形状的总元素数相同。

2. reshape(): 与view()类似，reshape()也可以改变张量的形状。不同之处在于，reshape()可以处理不连续的张量，而view()要求内存中的数据必须是连续的。

3. squeeze(): 用于去除张量形状中所有的单维度条目，例如将形状为(1, A, 1, B)的张量压缩成(A, B)。

4. unsqueeze(): 在指定位置增加一个尺寸为1的新维度，例如将形状为(A, B)的张量扩展为(1, A, B)或(A, 1, B)等。

5. permute(): 用于重新排列张量的维度。例如，可以将一个形状为(A, B, C)的张量重排为(B, C, A)。

6. transpose(): 用于交换张量的两个维度。通常用于二维张量，但也可以用于多维。

7. contiguous(): 使张量在内存中连续存储，通常在调用view()之前使用，如果张量在内存中不连续。

8. size(): 返回张量的形状。

9. dim(): 返回张量的维度数。

二、分类：维度改变，张量变形，维度重排

2.1维度改变

维度改变指的是增加或减少张量的维度数目。常见的操作有：

• unsqueeze()：在指定的维度处增加一个尺寸为1的新维度，通常用于为已有数据添加批处理维度或其他需要的单独维度。
• squeeze()：去除张量中所有长度为1的维度，或者在指定位置去除单独的长度为1的维度。这常用于去除多余的维度，简化数据结构。

2.2张量变形

张量变形是调整张量内部元素的排列顺序但保持总元素数量不变。这类操作包括：

• view()：重塑张量到一个指定的形状。此操作要求原始数据在内存中连续，如果不连续，通常需要先调用contiguous()。
• reshape()：功能与view()相似，但可以自动处理数据的连续性问题。它在不改变数据的总元素数的情况下更改形状。

2.3维度重排

维度重排涉及调整张量的维度顺序，这在处理不同数据格式时特别有用，比如从NCHW转换到NHWC。相关操作包括：

• transpose()：用于交换张量中的两个维度。它特别常用于处理2D数据，如在矩阵转置中。
• permute()：更一般化的维度交换操作，可以一次性重新排序多个维度。这使得它非常灵活，适用于复杂的多维数据重排需求。

三、实例

这里将通过一个简单的Python例子来展示如何在PyTorch中使用上述的张量操作函数。我们将创建一个张量，然后对其进行维度改变、张量变形和维度重排的操作。

假设我们正在处理图像数据，我们有一个表示多个RGB图像的4维张量，形状为(batch_size, channels, height, width)。我们将执行以下步骤：

1. 增加一个维度来表示时间序列（例如视频帧）。
2. 将张量展平，以便可以将其用于全连接层。
3. 将通道置于最后（从NCHW到NHWC格式）。

代码：

import torch

# 创建一个初始张量，形状为 (batch_size, channels, height, width)
batch_size, channels, height, width = 3, 3, 240, 320
x = torch.randn(batch_size, channels, height, width)

# 增加一个时间维度，假设每个批次有5帧
time_steps = 5
x = x.unsqueeze(1)  # 在第二个维度处增加
x = x.expand(-1, time_steps, -1, -1, -1)  # 将新维度扩展到5

# 输出增加时间维度后的张量形状
print("Shape after adding time dimension:", x.shape)

# 交换维度，将通道从第三位置移到最后
x = x.permute(0, 1, 3, 4, 2)  # 结果的形状将是(batch_size, time_steps, height, width, channels)
print("Shape after permuting:", x.shape)

# 展平张量，除批次和时间维度外
x = x.reshape(batch_size, time_steps, -1)  # -1会自动计算需要的大小
print("Shape after flattening:", x.shape)

说明：

• 首先，我们创建了一个随机的张量x，代表了一个批次中的多个RGB图像。
• 接着，我们在unsqueeze()中增加了一个时间维度，并用expand()方法填充这个维度，模拟一个时间序列数据。
• 然后，我们用reshape()方法将除时间和批次外的其他维度合并，为后续的神经网络层准备。
• 最后，我们使用permute()重新排列维度，将通道放到最后，这对某些图像处理库更为友好。

结果：

• 增加时间维度后：形状是(3, 5, 3, 240, 320)，表示有3个批次，每批有5帧，每帧3个通道，每通道240x320像素。
• 交换维度后：形状是(3, 5, 240, 320, 3)，其中通道被移到了最后。
• 展平操作后：形状是(3, 5, 230400)，表示每批每帧的所有像素值和通道都被展平。