【pytorch】reshape的使用

torch.reshape 是 PyTorch 中用于改变张量形状的函数。它的作用是重新安排张量的维度，使其符合指定的形状，但不会改变数据的顺序。

Returns a tensor with the same data and number of elements as input, but with the specified shape.

基本语法

input_reshape = torch.reshape(input, shape)

或者：

input_reshape = input.reshape(shape)

• input(tensor)：输入张量。
• shape(tuple of int)：目标形状，可以是一个整数或一个整数元组，表示张量的新维度。

例子

import torch

# 创建一个形状为 (4, 3) 的张量
x = torch.arange(12).reshape(4, 3)
print(x)

输出：

tensor([[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8],
        [ 9, 10, 11]])

你可以将这个张量重新调整成其他形状，比如将它变成一个 (2, 6) 的张量：

y = x.reshape(2, 6)
print(y)

输出：

tensor([[ 0,  1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10, 11]])

特别的用法

使用 1 自动推算维度：

如果你不确定某个维度应该是多少，可以使用 -1 来自动推算。例如，如果你只知道张量的总元素数和某些维度，可以让 PyTorch 自动计算某个维度。

A single dimension may be -1, in which case it's inferred from the remaining dimensions and the number of elements in input.

z = x.reshape(2, -1)  # PyTorch 会自动推算第二维度的大小
print(z)

输出：

tensor([[ 0,  1,  2,  3,  4,  5],
        [ 6,  7,  8,  9, 10, 11]])

torch.reshape(x, (-1,)) 将张量 展平成一维 （即向量）等效于 x.flatten()

• 此时 PyTorch 会自动计算该维度的大小，计算公式为：

  新维度大小 = 原始张量的总元素数

• 因为要展成向量，所以只有一个维度（表示有多少个数），所以只需要一个-1，后面空着就行

  • 所以其实也可以写成 (-1)，即torch.reshape(x, (-1)) 但推荐保留逗号

注意：这跟 (1,-1)有区别 ，(-1,)是展平成一维向量，

而(1,-1)是1*n，这被视作二维的（一个维度是1个数，另一个维度是n个数）

例子：

x = torch.tensor([[0, 1],
                  [2, 3]])

x_vec = x.reshape(-1,)
print(x_vec)

x_matrix = x.reshape(1,-1)
print(x_matrix)

输出：

tensor([0, 1, 2, 3])
tensor([[0, 1, 2, 3]])

• 总元素数 ：2 × 2 = 4

• 执行 torch.reshape(x, (-1,)) 后：

  → 新形状为 (4,)

  → 结果：tensor([0, 1, 2, 3])

• 执行 torch.reshape(x, (1,-1)) 后：

  → 新形状为 (1,4)

  → 结果：tensor([[0, 1, 2, 3]])

注意事项

保持元素数量一致：

使用 reshape 时，新形状的元素数量必须和原形状一致。例如，原来是 (4, 3)，总共有 12 个元素，不能reshape成 (3, 5) 因为会丢失元素。

# 错误的 reshape
# x.reshape(3, 5)  # 会抛出错误，无法reshape

总之，要接收返回的tensor

• reshape 不会修改原始张量，它会返回一个新的张量，除非原张量已经在内存中是以连续的方式存储。

When possible, the returned tensor will be a view of input. Otherwise, it will be a copy. Contiguous inputs and inputs with compatible strides can be reshaped without copying, but you should not depend on the copying vs. viewing behavior.

• 如果原张量的内存布局不连续，reshape 会返回一个新的内存副本。
• torch.view 和 torch.reshape 在功能上相似，但 torch.view 要求张量是连续的，而 torch.reshape 会自动处理不连续的张量。