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

2023-07-04 19:59:03 145

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。