博客

PyTorch中的view()和reshape()都是用于改变张量形状的方法，它们的功能非常相似，但是还是有一些区别。本文将详细讲解这两个方法的区别。

view()方法

view() 方法用于改变张量的形状，但需要满足新形状和原形状拥有相同的元素个数，否则会报错。view()方法返回的张量视图会共享原有张量的内存空间，因此不需要额外的内存开销。

以下是使用view()方法将张量形状从（2，3，4）改为（6，4）的示例代码：

import torch

x = torch.randn(2, 3, 4)
y = x.view(6, 4)

print("x.shape =", x.shape)  # 输出：x.shape = torch.Size([2, 3, 4])
print("y.shape =", y.shape)  # 输出：y.shape = torch.Size([6, 4])

在这个示例代码中，我们首先创建了一个形状为（2，3，4）的张量x，然后使用view()方法将x的形状改为（6，4），并将新的张量赋值给y。最后，我们分别输出了x和y的形状。

输出结果确认了我们的张量形状改变成功了。注意，y使用的是不同的shape元组。

reshape()方法

reshape() 方法用于改变张量的形状，但需要满足新形状和原形状拥有相同的元素个数，否则会报错。与view() 方法不同的是，reshape()方法返回新的张量对象，因此需要额外的内存开销。

以下是使用reshape()方法将张量形状从（2，3，4）改为（6，4）的示例代码：

import torch

x = torch.randn(2, 3, 4)
y = x.reshape(6, 4)

print("x.shape =", x.shape)  # 输出：x.shape = torch.Size([2, 3, 4])
print("y.shape =", y.shape)  # 输出：y.shape = torch.Size([6, 4])

在这个示例代码中，我们首先创建了一个形状为（2，3，4）的张量x，然后使用reshape()方法将x的形状改为（6, 4），并将新的张量赋值给y。最后，我们分别输出了x和y的形状。

输出结果确认了我们的张量形状改变成功了。注意，y使用的是不同的shape元组。

view()和reshape()的区别

view()方法和reshape()方法都可以改变张量形状，但是它们之间还是存在一些区别：

1. 返回值不同：view()方法返回的是原有张量的视图，而reshape()方法返回的是新的张量对象。

2. 所需内存不同：view()方法不需要额外的内存开销，但reshape()方法需要创建新的张量对象，并分配新的内存空间。

3. 可操作性不同：view()方法只能用于不需要更改元素数量和空间的情况下，reshape()方法则可以用于任意情况下。

在实际使用中，我们一般首选 view() 方法，如果无法使用 view() 方法，我们才会转而使用 reshape() 方法。

例如，当我们需要将二维数组X按行展开为一维数组y时，可以使用view()方法：

import torch

X = torch.randn(3, 4)  # 随机生成一个维度为3x4的二维张量
y = X.view(-1)  # 将X按行展开为一维数组

print("X.shape =", X.shape)  # 输出：X.shape = torch.Size([3, 4])
print("y.shape =", y.shape)  # 输出：y.shape = torch.Size([12])

输出结果确认了我们的张量形状改变成功了。使用view()方法将二维数组X按行展开为一维数组y，可以大大简化代码编写。

再例如，我们想要将一维数组y变为二维数组X，但是需要保证y的长度是X长度的整数倍。这个时候，就要用到reshape()方法：

import torch

y = torch.randn(10)  # 随机生成一个长度为10的一维张量
X = y.reshape(2, 5)  # 将y变为维度为2x5的二维数组X

print("X.shape =", X.shape)  # 输出：X.shape = torch.Size([2, 5])
print("y.shape =", y.shape)  # 输出：y.shape = torch.Size([10])

在这个例子中，我们首先创建了一个长度为10的一维张量y，然后使用reshape()方法根据需要的形状重新将y变为二维数组X。现在我们可以通过判断y的长度是否是X长度的整数倍来决定是否可以使用reshape()方法了。