注册
登录
pytorch
PyTorch中的“视图”方法如何工作？
返回
PyTorch中的“视图”方法如何工作？
作者:
狗头军师
发布时间:
2024-08-24 12:50:20 (1月前)
<p>我view()对以下代码片段中的方法感到困惑。</p> <pre><code>class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(3, 6, 5) self.pool = nn.MaxPool2d(2,2) self.conv2 = nn.Conv2d(6, 16, 5) self.fc1 = nn.Linear(16*5*5, 120) self.fc2 = nn.Linear(120, 84) self.fc3 = nn.Linear(84, 10) def forward(self, x): x = self.pool(F.relu(self.conv1(x))) x = self.pool(F.relu(self.conv2(x))) x = x.view(-1, 16*5*5) x = F.relu(self.fc1(x)) x = F.relu(self.fc2(x)) x = self.fc3(x) return x net = Net() </code></pre><p>我的困惑是关于以下几行。</p><p><code>x = x.view(-1, 16*5*5)</code><br/>tensor.view()函数有什么作用？我已经在很多地方看到了它的用法，但是我不明白它是如何解释其参数的。</p><p>如果我给view()函数赋负值作为参数会怎样？例如，如果我打电话给我tensor_variable.view(1, 1, -1)怎么办？</p><p>谁能view()举例说明功能的主要原理？</p>
收藏
举报
2 条回复
1#
回复此人
v-star*위위
|
2020-08-21 17-32
视图功能旨在重塑张量。 说你有张量 ``` import torch a = torch.range(1, 16) ``` a是具有1到16（包括）的16个元素的张量。如果要重塑此张量以使其成为4 x 4张量，则可以使用 `a = a.view(4, 4)` 现在a将是4 x 4张量。请注意，在重塑后，元素的总数需要保持不变。重塑张a到3 x 5张量是不恰当的。 参数-1是什么意思？ 如果在某种情况下您不知道要多少行，但是确定了列数，则可以使用-1来指定。（请注意，您可以将其扩展到具有更大尺寸的张量。只有一个轴值可以为-1）。这是一种告诉库的方法：“给我一个具有这么多列的张量，然后您计算出实现此操作所需的适当行数”。 可以在上面给出的神经网络代码中看到。在x = self.pool(F.relu(self.conv2(x)))前进功能中的线之后，您将具有16深度特征图。您必须将其展平以将其分配给完全连接的层。因此，您告诉pytorch重塑所获得的张量，使其具有特定的列数，并告诉它自己决定行数。 在numpy和pytorch之间绘制相似之处，view类似于numpy的重塑功能。
编辑
登录
后才能参与评论
