对pytorch中x = x.view(x.size(0), -1) 的理解说明
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
defforward(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) returnself.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)#thesize-1isinferredfromotherdimensions >>>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)#Swaps2ndand3rddimension >>>b.size() torch.Size([1,3,2,4]) >>>c=a.view(1,3,2,4)#Doesnotchangetensorlayoutinmemory >>>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毛票票。如有错误或未考虑完全的地方,望不吝赐教。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。