响应式的网站做优化好吗神马搜索推广

---

一、view() 或 reshape()

  view() 或 reshape(): 这两个函数可以用于改变张量的形状，但保持元素总数不变。它们可以接受一个新的形状作为参数，并返回一个新的张量。例如：

import torchx = torch.randn(2, 3, 4)  # 创建一个形状为 [2, 3, 4] 的张量x_viewed = x.view(2, 12)  # 改变形状为 [2, 12]
x_reshaped = x.reshape(6, 4)  # 改变形状为 [6, 4]

二、unsqueeze()

  unsqueeze(): 这个函数可以在指定位置插入一个新的维度。它接受一个整数作为参数，表示要插入的位置。例如：

import torchx = torch.randn(3, 4)  # 创建一个形状为 [3, 4] 的张量x.unsqueeze(0)  # 在第 0 个位置插入一个新的维度，形状变为 [1, 3, 4]
x.unsqueeze(1)  # 在第 1 个位置插入一个新的维度，形状变为 [3, 1, 4]

import torchx = torch.randn(2, 3)  # 创建一个形状为 [2, 3] 的张量x_unsqueezed = torch.unsqueeze(x, dim=0)  # 在第 0 个位置插入一个新的维度，形状变为 [1, 2, 3]

三、squeeze()

  squeeze(): 这个函数可以删除维度为 1 的维度。它会返回一个新的张量，其中已删除了所有维度为 1 的维度。例如：

import torchx = torch.randn(1, 3, 1, 4)  # 创建一个形状为 [1, 3, 1, 4] 的张量x.squeeze()  # 删除所有维度为 1 的维度，形状变为 [3, 4]

四、transpose()

  transpose(): 这个函数可以交换张量的维度顺序。它接受两个整数作为参数，表示要交换的维度的位置。例如：

import torchx = torch.randn(2, 3)  # 创建一个形状为 [2, 3] 的张量x.transpose(0, 1)  # 交换维度 0 和维度 1 的位置，形状变为 [3, 2]

五、torch.expand_dims

  torch.expand_dims(input, dim): 这个函数接受一个张量 input 和一个整数 dim，表示要在 dim 位置插入一个新的维度。它会返回一个新的张量，其中插入了一个维度。例如：

import torchx = torch.randn(2, 3)  # 创建一个形状为 [2, 3] 的张量x_expanded = torch.expand_dims(x, dim=1)  # 在第 1 个位置插入一个新的维度，形状变为 [2, 1, 3]