Formes et Dimensions dans PyTorch

De même que pour les tableaux NumPy, la forme d'un tenseur détermine ses dimensions. Vous pouvez inspecter la forme d'un tenseur en utilisant l'attribut .shape :


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

Remodelage des Tenseurs avec view

La méthode .view() crée une nouvelle vue du tenseur avec la forme spécifiée sans modifier le tenseur original. Le nombre total d'éléments doit rester le même.


              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}")

Remodelage des tenseurs avec reshape

La méthode .reshape() est similaire à .view() mais peut gérer les cas où le tenseur n'est pas stocké de manière contiguë en mémoire. Elle ne modifie pas non plus le tenseur original.


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

Utilisation des dimensions négatives

Vous pouvez utiliser -1 dans la forme pour laisser PyTorch déduire la taille d'une dimension en fonction du nombre total d'éléments.


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

Comprendre les Vues de Tenseur

Une vue d'un tenseur partage les mêmes données avec le tenseur original. Les modifications apportées à la vue affectent le tenseur original et vice versa.


              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)

Changer les Dimensions

Les deux méthodes suivantes vous permettent d'ajouter ou de supprimer des dimensions :

unsqueeze(dim) ajoute une nouvelle dimension à la position spécifiée ;
squeeze(dim) supprime les dimensions de taille 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}")

Tout était clair ?

Merci pour vos commentaires !

Section 1. Chapitre 9