Formen und Dimensionen in PyTorch

Ähnlich wie bei NumPy-Arrays bestimmt die Form eines Tensors seine Dimensionen. Sie können die Form eines Tensors mit dem Attribut .shape überprüfen:


              123
            
import torch
tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])
print(f"Tensor shape: {tensor.shape}")

Umformen von Tensors mit view

Die Methode .view() erstellt eine neue Ansicht des Tensors mit der angegebenen Form ohne den ursprünglichen Tensor zu ändern. Die Gesamtanzahl der Elemente muss gleich bleiben.


              1234567
            
import torch
tensor = torch.arange(12)
# Reshape a tensor to 4x3
reshaped_tensor = tensor.view(4, 3)
print(f"Reshaped tensor: {reshaped_tensor}")
# Original tensor remains unchanged
print(f"Original tensor: {tensor}")

Umformen von Tensors mit reshape

Die Methode .reshape() ist ähnlich wie .view(), kann jedoch Fälle behandeln, in denen der Tensor nicht zusammenhängend im Speicher gespeichert ist. Sie ändert auch nicht den ursprünglichen Tensor.


              12345
            
import torch
tensor = torch.arange(12)
# Reshape a tensor to 6x2
reshaped_tensor = tensor.reshape(6, 2)
print(f"Reshaped tensor: {reshaped_tensor}")

Verwendung negativer Dimensionen

Sie können -1 in der Form verwenden, um PyTorch die Größe einer Dimension basierend auf der Gesamtanzahl der Elemente ableiten zu lassen.


              12345
            
import torch
tensor = torch.arange(12)
# Automatically infer the second dimension
inferred_tensor = tensor.view(2, -1)
print("Inferred Tensor:", inferred_tensor)

Verständnis von Tensor-Ansichten

Eine Ansicht eines Tensors teilt die gleichen Daten mit dem ursprünglichen Tensor. Änderungen an der Ansicht wirken sich auf den ursprünglichen Tensor aus und umgekehrt.


              1234567
            
import torch
tensor = torch.arange(12)
view_tensor = tensor.view(2, 6)
view_tensor[0, 0] = 999
# Changes in the view are reflected in the original tensor
print("View Tensor:", view_tensor)
print("Original Tensor:", tensor)

Ändern von Dimensionen

Die folgenden zwei Methoden ermöglichen es Ihnen, Dimensionen hinzuzufügen oder zu entfernen:

unsqueeze(dim) fügt eine neue Dimension an der angegebenen Position hinzu;
squeeze(dim) entfernt Dimensionen der Größe 1.


              12345678
            
import torch
tensor = torch.arange(12)
# Add a new dimension
unsqueezed_tensor = tensor.unsqueeze(0)  # Add a batch dimension
print(f"Unsqueezed tensor: {unsqueezed_tensor.shape}")
# Remove a dimension of size 1
squeezed_tensor = unsqueezed_tensor.squeeze(0)
print(f"Squeezed Tensor: {squeezed_tensor.shape}")

War alles klar?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 9