欢迎关注我的公众号 [极智视界]，获取我的更多笔记分享
大家好，我是极智视界，本文介绍一下 pytorch改变tensor维度的方法。
在 pytorch 中，tensor 是基本的操作数据结构。在很多的时候，咱们需要改变 tensor 的维度来适应咱们的计算，包括升维、降维、变维。在 pytorch 中有很多方法可以用来改变 tensor 的维度。
这里我把几种常用的方法进行了一下汇总：
- view(shape)：返回一个新的 tensor，它具有给定的形状。如果元素总数不变，则可以用它来改变 tensor 的维度。例如：
import torch
t = torch.tensor([
[1, 2, 3],
[4, 5, 6]
])
print(t.shape) # torch.Size([2, 3])
t_view = t.view(3, 2)
print(t_view.shape) # torch.Size([3, 2])
- unsqueeze(dim)：返回一个新的 tensor，它的指定位置插入了一个新的维度。例如：
import torch
t = torch.tensor([
[1, 2, 3],
[4, 5, 6]
])
print(t.shape) # torch.Size([2, 3])
t_unsqueeze = t.unsqueeze(0)
print(t_unsqueeze.shape) # torch.Size([1, 2, 3])
t_unsqueeze = t.unsqueeze(1)
print(t_unsqueeze.shape) # torch.Size([2, 1, 3])
t_unsqueeze = t.unsqueeze(2)
print(t_unsqueeze.shape) # torch.Size([2, 3, 1])
- squeeze(dim)：返回一个新的 tensor，它的指定位置的维度的大小为 1 的维度被删除。例如：
import torch
t = torch.tensor([
[[1], [2], [3]],
[[4], [5], [6]]
])
print(t.shape) # torch.Size([2, 3, 1])
t_squeeze = t.squeeze(2)
print(t_squeeze.shape) # torch.Size([2, 3])
t_squeeze = t.squeeze()
print(t_squeeze.shape) # torch.Size([2, 3])
- transpose(dim0, dim1)：返回一个新的 tensor，它的排列被交换。例如：
import torch
t = torch.tensor([
[1, 2, 3],
[4, 5, 6]
])
print(t.shape) # torch.Size([2, 3])
t_transpose = t.transpose(0, 1)
print(t_transpose.shape) # torch.Size([3, 2])
t_transpose = t.transpose(1, 0)
print(t_transpose.shape) # torch.Size([3, 2])
另外还有一些其他的方法可以改变tensor的维度，例如 permute() 和 contiguous()。
好了，以上分享了 pytorch中改变tensor维度的方法，希望我的分享能对你的学习有一点帮助。
【公众号传送】
