根据指定的维度,维度的start和长度,返回一个新的张量 参数
>>> x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
>>> torch.narrow(x, 0, 0, 2)
tensor([[ 1, 2, 3],
[ 4, 5, 6]])
>>> torch.narrow(x, 1, 1, 2)
tensor([[ 2, 3],
[ 5, 6],
[ 8, 9]])
改变张量的形状,如果可以,会返回一个input的view。否则,会复制一份, 参数
>>> a = torch.arange(4.)
>>> torch.reshape(a, (2, 2))
tensor([[ 0., 1.],
[ 2., 3.]])
>>> b = torch.tensor([[0, 1], [2, 3]])
>>> torch.reshape(b, (-1,))
tensor([ 0, 1, 2, 3])
把张量分割为块, 如果splitsizeorsections是整数类型,那么张量会被分成相同形状的块,最后一个块可能会小一些。如果splitsizeorsections是list,那么张量会分成该list长度的块数,每个块数形状由这个list决定 参数
返回一个张量,移除所有size为1的维度 举个例子,比如输入的形状是 (A×1×B×C×1×D),那么除了之后就是(A×B×C×D) 如果dim指定,那么只会操作指定的dim。 返回的张量与初始张量的共享内存 参数
>>> x = torch.zeros(2, 1, 2, 1, 2)
>>> x.size()
torch.Size([2, 1, 2, 1, 2])
>>> y = torch.squeeze(x)
>>> y.size()
torch.Size([2, 2, 2])
>>> y = torch.squeeze(x, 0)
>>> y.size()
torch.Size([2, 1, 2, 1, 2])
>>> y = torch.squeeze(x, 1)
>>> y.size()
torch.Size([2, 2, 1, 2])
沿着一个新维度连接张量,张量的形状需要一样 参数
本文分享自 Python与MySQL 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!