PyTorch 中如何使用 view 方法？

推荐答案

在 PyTorch 中，view 方法用于改变张量的形状（shape），而不改变其数据。它返回一个新的张量，该张量与原始张量共享相同的数据，但具有不同的形状。

-- -------------------- ---- -------
------ -----

- ---- --- ---
- - ----------------- -- --- --- -- ----

- -- ---- ---------- ---
- - --------- --

--------

输出：

tensor([[1, 2],
        [3, 4],
        [5, 6]])

本题详细解读

view 方法的作用

view 方法用于改变张量的形状，而不改变其数据。它返回一个新的张量，该张量与原始张量共享相同的数据，但具有不同的形状。这意味着 view 方法不会复制数据，因此它是高效的。

使用 view 方法的注意事项

1. 形状兼容性：在使用 view 方法时，新形状的元素数量必须与原始形状的元素数量相同。否则，会抛出错误。

   # 错误的用法：元素数量不匹配
   x = torch.tensor([[1, 2, 3], [4, 5, 6]])
   y = x.view(2, 4)  # 会抛出错误

2. 自动推断维度：可以使用 -1 作为其中一个维度的值，PyTorch 会自动计算该维度的大小。

   # 自动推断第二维度的大小
   x = torch.tensor([[1, 2, 3], [4, 5, 6]])
   y = x.view(-1, 2)  # 等价于 y = x.view(3, 2)

3. 连续性问题：view 方法要求张量在内存中是连续的。如果张量不连续，需要先调用 contiguous() 方法。

   x = torch.tensor([[1, 2, 3], [4, 5, 6]])
   x = x.transpose(0, 1)  # 转置后张量不连续
   y = x.contiguous().view(6)  # 先使张量连续，再改变形状

view 与 reshape 的区别

view 和 reshape 都可以用于改变张量的形状，但它们的行为有所不同：

• view 要求张量在内存中是连续的，否则会抛出错误。
• reshape 会自动处理连续性问题，如果张量不连续，它会返回一个新的连续张量。

x = torch.tensor([[1, 2, 3], [4, 5, 6]])
x = x.transpose(0, 1)  # 转置后张量不连续

# 使用 view 会抛出错误
# y = x.view(6)  # 错误

# 使用 reshape 可以正常工作
y = x.reshape(6)  # 正确

总结

view 方法是 PyTorch 中用于改变张量形状的常用工具，但在使用时需要注意张量的连续性和形状兼容性。对于不连续的张量，可以使用 reshape 方法或先调用 contiguous() 方法。