时间:2021-05-22
我就废话不多说了,大家还是直接看代码吧~
b = torch.zeros((3, 2, 6, 6))a = torch.zeros((3, 2, 1, 1))a.expand_as(b).size()Out[32]: torch.Size([3, 2, 6, 6])a = torch.zeros((3, 2, 2, 1))a.expand_as(b).size()Traceback (most recent call last): File "/home/lart/.conda/envs/pt/lib/python3.6/site-packages/IPython/core/interactiveshell.py", line 3267, in run_code exec(code_obj, self.user_global_ns, self.user_ns) File "<ipython-input-34-972575f79e92>", line 1, in <module> a.expand_as(b).size()RuntimeError: The expanded size of the tensor (6) must match the existing size (2) at non-singleton dimension 2. Target sizes: [3, 2, 6, 6]. Tensor sizes: [3, 2, 2, 1]a = torch.zeros((3, 2, 1, 2))a.expand_as(b).size()Traceback (most recent call last): File "/home/lart/.conda/envs/pt/lib/python3.6/site-packages/IPython/core/interactiveshell.py", line 3267, in run_code exec(code_obj, self.user_global_ns, self.user_ns) File "<ipython-input-36-972575f79e92>", line 1, in <module> a.expand_as(b).size()RuntimeError: The expanded size of the tensor (6) must match the existing size (2) at non-singleton dimension 3. Target sizes: [3, 2, 6, 6]. Tensor sizes: [3, 2, 1, 2]a = torch.zeros((3, 2, 2, 2))a.expand_as(b).size()Traceback (most recent call last): File "/home/lart/.conda/envs/pt/lib/python3.6/site-packages/IPython/core/interactiveshell.py", line 3267, in run_code exec(code_obj, self.user_global_ns, self.user_ns) File "<ipython-input-38-972575f79e92>", line 1, in <module> a.expand_as(b).size()RuntimeError: The expanded size of the tensor (6) must match the existing size (2) at non-singleton dimension 3. Target sizes: [3, 2, 6, 6]. Tensor sizes: [3, 2, 2, 2]a = torch.zeros((3, 2, 6, 2))a.expand_as(b).size()Traceback (most recent call last): File "/home/lart/.conda/envs/pt/lib/python3.6/site-packages/IPython/core/interactiveshell.py", line 3267, in run_code exec(code_obj, self.user_global_ns, self.user_ns) File "<ipython-input-40-972575f79e92>", line 1, in <module> a.expand_as(b).size()RuntimeError: The expanded size of the tensor (6) must match the existing size (2) at non-singleton dimension 3. Target sizes: [3, 2, 6, 6]. Tensor sizes: [3, 2, 6, 2]a = torch.zeros((3, 2, 6, 1))a.expand_as(b).size()Out[44]: torch.Size([3, 2, 6, 6])a = torch.zeros((3, 2, 1, 6))a.expand_as(b).size()Out[46]: torch.Size([3, 2, 6, 6])tensor.expand_as在这里用于扩展tensor到目标形状,常用的多是在H和W方向上的扩展。
假设目标形状为N, C, H, W,则要求tensor.size()=n, c, h, w(这里假设N,C不变):
1、h=w=1
2、h=1, w!=1
3、h!=1, w=1
补充:tensorflow 利用expand_dims和squeeze扩展和压缩tensor维度
在利用tensorflow进行文本挖掘工作的时候,经常涉及到维度扩展和压缩工作。
比如对文本进行embedding操作完成之后,若要进行卷积操作,就需要对embedded的向量扩展维度,将[batch_size, embedding_dims]扩展成为[batch_size, embedding_dims, 1],利用tf.expand_dims(input, -1)就可实现,反过来用squeeze(input, -1)或者tf.squeeze(input)也可以把最第三维去掉。
tf.expand_dims()
tf.squeeze()
在第axis位置增加一个维度.
给定张量输入,此操作在输入形状的维度索引轴处插入1的尺寸。 尺寸索引轴从零开始; 如果您指定轴的负数,则从最后向后计数。
如果要将批量维度添加到单个元素,则此操作非常有用。 例如,如果您有一个单一的形状[height,width,channels],您可以使用expand_dims(image,0)使其成为1个图像,这将使形状[1,高度,宽度,通道]。
例子
# 't' is a tensor of shape [2]shape(expand_dims(t, 0)) ==> [1, 2]shape(expand_dims(t, 1)) ==> [2, 1]shape(expand_dims(t, -1)) ==> [2, 1]# 't2' is a tensor of shape [2, 3, 5]shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5]shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5]shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]直接上例子
# 't' is a tensor of shape [1, 2, 1, 3, 1, 1] shape(squeeze(t)) ==> [2, 3]# 't' is a tensor of shape [1, 2, 1, 3, 1, 1] shape(squeeze(t, [2, 4])) ==> [1, 2, 3, 1]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。如有错误或未考虑完全的地方,望不吝赐教。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
PyTorch基础入门一:PyTorch基本数据类型1)Tensor(张量)Pytorch里面处理的最基本的操作对象就是Tensor(张量),它表示的其实就是一
numpy中的ndarray转化成pytorch中的tensor:torch.from_numpy()pytorch中的tensor转化成numpy中的ndar
在pytorch中,Tensor是以引用的形式存在的,故而并不能直接像python交换数据那样a=torch.Tensor(3,4)a[0],a[1]=a[1]
一般来说,pytorch的Parameter是一个tensor,但是跟通常意义上的tensor有些不一样1)通常意义上的tensor仅仅是数据2)而Parame
in-placeoperation在pytorch中是指改变一个tensor的值的时候,不经过复制操作,而是直接在原来的内存上改变它的值。可以把它成为原地操作符