pytorch中常见的维度操作

1、view ；reshape；Flatten：维度合并和分解
2、squeeze；unsqueeze：压缩维度和增加维度（相对于维度为1的数据）
3、transpose；t；permute：维度顺顺序变换(转置）
4、expand；repeat：维度扩展

import torch

'''
维度变换
1、view ；reshape；Flatten：维度合并和分解
2、squeeze；unsqueeze：压缩维度和增加维度（相对于维度为1的数据）
3、transpose；t；permute：维度顺顺序变换(转置）
4、expand；repeat：维度扩展
'''
a = torch.rand(4, 1, 32, 32)

'''
view()的原理很简单，其实就是把原先tensor中的数据进行排列，排成一行，然后根据所给的view()中的参数从一行中按顺序选择组成最终的tensor。
view()可以有多个参数，这取决于你想要得到的是几维的tensor，一般设置两个参数，也是神经网络中常用的（一般在全连接之前），代表二维。
view(h,w)，h代表行（想要变为几行），当不知道要变为几行，但知道要变为几列时可取-1；w代表的是列（想要变为几列），当不知道要变为几列，但知道要变为几行时可取-1。
'''


def zqb_view():
    print(a.shape)  # torch.Size([4, 1, 32, 32])
    a1 = a.view(4, 32 * 32)
    print(a1.shape)  # torch.Size([4, 1024])
    a2 = a1.view(4, 1, 32, 32)
    print(a2.shape)  # torch.Size([4, 1, 32, 32])

    # a3 = a1.view(4,28,28) #RuntimeError: shape '[4, 28, 28]' is invalid for input of size 4096
    #     要保持输出数据与输入数据总量，防止数据污染
    # a4 = a1.view(4,32,32,1) # 逻辑错误，改变了原来数据的存储方式，虽然不会报错，但是数据已经被污染，无法正常使用

    a5 = a.view(-1, 32 * 32)  # torch.Size([4, 1024])  -1表示该维度保持不变
    print