在 PyTorch 中，张量的形状（或称为形状变换）可以通过多种方式进行改变，这有助于数据的重新排列、打平、扩展或压缩。常用的操作包括 view(), reshape(), transpose(), unsqueeze(), squeeze(), 和 permute() 等等。下面将详细介绍这些常见的形状改变方法。
1. view()
view() 是 PyTorch 中常用的形状变换函数，它可以改变张量的形状，但要求张量在内存中是连续存储的。
import torch
tensor = torch.randn(2, 3, 4) # 原始张量形状为 (2, 3, 4)
print(tensor.size()) # 输出: torch.Size([2, 3, 4])
# 使用 view 变换形状
reshaped_tensor = tensor.view(6, 4) # 变为形状 (6, 4)
print(reshaped_tensor.size()) # 输出: torch.Size([6, 4])注意：
view()只能用于在内存中连续的张量，如果内存不连续，会报错。可以使用tensor.contiguous()使其连续。
2. reshape()
reshape() 功能类似于 view()，但它会自动处理张量是否连续的问题，即使张量不连续，也能重新调整形状。
reshaped_tensor = tensor.reshape(6, 4) # 变为形状 (6, 4)
print(reshaped_tensor.size()) # 输出: torch.Size([6, 4])3. transpose()
transpose() 交换两个维度的位置。它不改变张量的存储顺序，只是交换了维度的显示顺序。
tensor = torch.randn(2, 3) # 形状为 (2, 3)
transposed_tensor = tensor.transpose(0, 1) # 交换第 0 维和第 1 维
print(transposed_tensor.size()) # 输出: torch.Size([3, 2])4. permute()
permute() 可以按照指定顺序重排张量的所有维度。它比 transpose() 更灵活。
tensor = torch.randn(2, 3, 4) # 原始形状 (2, 3, 4)
permuted_tensor = tensor.permute(2, 0, 1) # 将维度顺序调整为 (4, 2, 3)
print(permuted_tensor.size()) # 输出: torch.Size([4, 2, 3])5. squeeze()
squeeze() 会移除张量中大小为 1 的维度。
tensor = torch.randn(1, 3, 1, 4) # 形状为 (1, 3, 1, 4)
squeezed_tensor = tensor.squeeze() # 移除所有大小为 1 的维度
print(squeezed_tensor.size()) # 输出: torch.Size([3, 4])你也可以指定要移除的维度：
squeezed_tensor = tensor.squeeze(2) # 只移除第 2 维（大小为 1）6. unsqueeze()
unsqueeze() 用来在指定的位置增加一个大小为 1 的维度。它与 squeeze() 相反。
tensor = torch.randn(3, 4) # 形状为 (3, 4)
unsqueezed_tensor = tensor.unsqueeze(0) # 在第 0 维添加一个大小为 1 的维度
print(unsqueezed_tensor.size()) # 输出: torch.Size([1, 3, 4])7. flatten()
flatten() 用来将多维张量展平成一个一维张量。
tensor = torch.randn(2, 3, 4) # 形状为 (2, 3, 4)
flattened_tensor = tensor.flatten() # 展平成一维张量
print(flattened_tensor.size()) # 输出: torch.Size([24])你也可以指定展平的范围：
flattened_tensor = tensor.flatten(start_dim=1) # 从第 1 维开始展平
print(flattened_tensor.size()) # 输出: torch.Size([2, 12])总结
-
view(): 改变张量形状，要求连续存储。 -
reshape(): 改变张量形状，处理连续与否问题。 -
transpose(): 交换两个维度。 -
permute(): 自由调整所有维度的顺序。 -
squeeze(): 移除大小为 1 的维度。 -
unsqueeze(): 添加大小为 1 的维度。 -
flatten(): 将张量展平为一维。
这些形状变换操作是 PyTorch 中常用的工具，有助于你更灵活地操作张量并适应深度模型的需求。