如何在 PyTorch 中调整张量的大小？
要调整PyTorch张量的大小，我们使用.view()方法。我们可以增加或减少张量的维度，但我们必须确保在调整大小之前和之后张量中的元素总数必须匹配。
脚步
导入所需的库。在以下所有Python示例中，所需的Python库是torch。确保您已经安装了它。
创建一个PyTorch张量并打印它。
使用调整上面创建的张量的大小。view()并将值赋给一个变量。.view()不调整原始张量的大小；顾名思义，它仅提供具有新尺寸的视图。
最后，在调整大小后打印张量。
示例1
# Python program to resize a tensor in PyTorch
# Import the library
import torch
# Create a tensor
T = torch.Tensor([1, 2, 3, 4, 5, 6])
print(T)
# Resize T to 2x3
x = T.view(2,3)
print("Tensor after resize:\n",x)
# Other way to resize T to 2x3
x = T.view(-1,3)
print("Tensor after resize:\n",x)
# Other way resize T to 2x3
x = T.view(2,-1)
print("Tensor after resize:\n",x)输出结果当您运行上述Python3代码时，它将产生以下输出
tensor([1., 2., 3., 4., 5., 6.])
Tensor after resize:
tensor([[1., 2., 3.],
[4., 5., 6.]])
Tensor after resize:
tensor([[1., 2., 3.],
[4., 5., 6.]])
Tensor after resize:
tensor([[1., 2., 3.],
[4., 5., 6.]])示例2
# Import the library
import torch
# Create a tensor shape 4x3
T = torch.Tensor([[1,2,3],[2,1,3],[2,3,5],[5,6,4]])
print(T)
# Resize T to 3x4
x = T.view(-1,4)
print("Tensor after resize:\n",x)
# Other way to esize T to 3x4
x = T.view(3,-1)
print("Tensor after resize:\n",x)
# Resize T to 2x6
x = T.view(2,-1)
print("Tensor after resize:\n",x)输出结果当您运行上述Python3代码时，它将产生以下输出
tensor([[1., 2., 3.],
[2., 1., 3.],
[2., 3., 5.],
[5., 6., 4.]])
Tensor after resize:
tensor([[1., 2., 3., 2.],
[1., 3., 2., 3.],
[5., 5., 6., 4.]])
Tensor after resize:
tensor([[1., 2., 3., 2.],
[1., 3., 2., 3.],
[5., 5., 6., 4.]])
Tensor after resize:
tensor([[1., 2., 3., 2., 1., 3.],
[2., 3., 5., 5., 6., 4.]])