蓝易云 - Pytorch 基础：Tensor 的 reshape 方法

在深度学习的世界里，数据的形状和结构是至关重要的。PyTorch，作为一个广泛使用的深度学习框架，提供了一种强大且灵活的数据结构——Tensor。Tensor 可以被视为多维数组或矩阵，并提供了一系列操作以便于进行科学计算。其中一个最常用且重要的操作就是 reshape。

在 PyTorch 中，reshape 方法用于改变 Tensor 对象中元素排列方式或者说形状（shape）。这个方法返回一个新 tensor，并保持原始 tensor 中元素值不变。

假设我们有一个 3x4 大小（即有 12 个元素） 的 tensor A：

import torch
A = torch.arange(12).reshape(3, 4)print(A)

输出：

tensor([[ 0, 1, 2, 3],        [4, 5,6 ,7],        [8 ,9 ,10 ,11]])

我们可以使用 reshape方法将其改变为其他形状，例如 2x6 大小：

B = A.reshape(2,6)print(B)

输出:

tensor([[0.,1.,2.,3.,4.,5.],        [6.7.8.9.10,.11]])

你会发现 B 仍然包含与 A 相同数量和值得元素（从 0 到 11），但它们被重新排列成了新 shape (2x6) 的数组。

需要注意，在使用 reshape 方法时，新的形状必须与原始 tensor 的元素数量相匹配。也就是说，新形状的维度乘积必须等于原始 tensor 中元素数量。在上述例子中，A tensor 有 12 个元素，所以我们可以将其 reshape 为 2x6（2*6=12）或者其他任何维度乘积为 12 的形状。

另外一个值得注意点是：reshape方法返回一个新 tensor，并不会改变原始 tensor。如果你想改变原来 Tensor 本身，则可以使用 resize_()函数。

A.resize_(2, 6)print(A)

输出:

tensor([[0.,1.,2.,3.,4.,5.],        [6.7.8.9.10,.11]])

在这个例子中, A tensor 本身就被修改了。

总结一下，在 PyTorch 中处理数据时，“塑型大师”—— reshape 方法是我们常用且强大工具之一。它能够帮助我们灵活地调整数据结构以适应各种模型和算法需求，并且操作简单易懂。

云服务器推荐

蓝易云国内/海外高防云服务器推荐

蓝易云-五网CN2服务器【点我购买】蓝易云采用KVM高性能架构，稳定可靠，安全无忧！蓝易云服务器真实CN2回国线路，不伪造，只做高质量海外服务器。

海外免备案云服务器链接：www.tsyvps.com

蓝易云香港五网 CN2 GIA/GT 精品网络服务器。拒绝绕路，拒绝不稳定。