pytorch学习经验(二） pytorch常用张量维度操作

• 去掉大小为1的维度

x = torch.squeeze(x)

• 添加大小为1的维度

x = torch.unsqueeze(x, 3) # 在第3个维度上扩展

• 张量扩展，在指定维度上将原来的张量扩展到指定大小，比如原来x是31，输入size为[3, 4]，可以将其扩大成34，4为原来1个元素的复制。

x = x.expand(*size)

• 交换两个维度

x = torch.transpose(x, 1, 2) # 交换1和2维度

• 交换多个维度，transpose只能对两个维度进行操作，permute没有限制

x = x.permute(1, 2, 3, 0) # 进行维度重组

• 改变形状，下面这两条命令意思是一样的，但是view可能会出现一些诡异的报错，原因是当从多的维度变到少的维度时，如果张量不是在连续内存存放，则view无法变成合并维度，但reshape不受限制。

x = x.view(1, 2, -1)
x = x.reshape(1, 2, -1)

• 张量拼接，第一个参数是一个tuple，每个tuple是一个张量，第二维度是dim，在指定dim上拼接

torch.cat(a_tuple, dim)

• 张量拼接，与cat不同的在于，cat只能在原有的某一维度上进行连接，stack可以创建一个新的维度，将原有维度在这个维度上进行顺序排列。比如说，有2个44的张量，用cat就只能把它们变成一个84或48的张量，用stack可以变成24*4.

torch.stack(a_tuple, dim)

• 张量拆分，在指定维度上将a变成chunk_num个大小相等的chunk，返回一个tuple。如果最后一个不够chunk_num，就返回剩下的。另一个相似的是split，除了第二个参数是chunk_size，其他都一样。

torch.chunk(a, chunk_num, dim)
torch.split(a, chunk_size, dim)