維度變換是tensorflow中的重要模組之一，前面mnist實戰模組我們使用了資料的壓平操作，它就是維度變換的應用之一。
在詳解維度變換的方法之前，這裡先介紹一下view(檢視)的概念。所謂view，簡單的可以理解成我們對乙個tensor不同維度關係的認識。舉個例子，乙個[ b,28,28,1 ]的tensor(可以理解為mnist資料集的一組)，對於這樣一組，我們可以有一下幾種理解方式：
(1)按照物理裝置儲存結構，即一整行的方式(28*28)儲存，這一行有連續的784個資料，這種理解方式可以用[ b,28*28 ]表示
(2)按照原有結構儲存，即保留的行列關係，以28行28列的資料理解，這種方式可以用[ b,28,28 ]表示
(3)將分塊(比如上下兩部分)，這種理解方式與第二種類似，只是將一張圖變為兩張，這種方式可以用[ b,2,14*28 ]表示
(4)增加channel通道，這種理解方式也與第二種類似，只是這種對rgb三色圖區別更明顯，可以用[ b,28 28,1 ]表示
通過維度的等價變換，就可以實現思維上view的轉換
維度變換的方式：
方式1：tf.reshape(可通過破壞維度之間的關係改變tensor的維度，但不會改變原有資料的儲存順序)
a = tf.random.normal([4,28,28,3])print(a.shape)print(tf.reshape(a,[4,784,3]).shape)print(tf.reshape(a,[4,-1,3]).shape)print(tf.reshape(a,[4,784*3]).shape)print(tf.reshape(
tensor的維度變換
expand與repeat用法 t 轉置 transpose轉置 permute函式 例子 a torch.rand 4,1,28,28 a.view 4,28 28 例子2 a torch.rand 4,1,28,28 a.view 4 1,28,28 表示我們現在只關注feature map這個...
PyTorch中張量 tensor 的維度變換
example in 1 x torch.rand 4,1,28,28 in 2 x.size out 2 torch.size 4,1,28,28 in 3 y x.view 4,28 28 in 4 y.size out 4 torch.size 4,784 in 5 y x.reshape 4...
Pytorch對多維Tensor按維度操作
記憶要點 dim 0 說明是處理行 dim 1 說明是處理列 keepdim true 保留處理的行 列的特徵 keepdim false 不保留處理的行 列的特徵 網上流傳的版本有很多，但是我們根據結果來說話。我的理解是哪個維度發生了變化就是處理的是哪個維度。if name main 模型引數初始...