Pytorch中expand()如何使用

这篇文章主要介绍“PyTorch中expand()如何使用”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“Pytorch中expand()如何使用”文章能帮助大家解决问题。

Pytorch expand()的使用

有两点需要注意，无论是 expand() 还是 expand_as()：

只能在第0维扩展一个维数，比如原来是是（1,3,4）==》（2,1,3,4），而在其他维度扩展不可以（1,3,4）==》（1,2,3,4）【错误】

如果不增加维数，只是增加维度，要增加的原维度必须是1才可以在该维度增加维度，其他值均不可以

import torch#1x = torch.randn(2, 1, 1)#为1可以扩展为3和4x = x.expand(2, 3, 4)print('x :', x.size())>>> x : torch.Size([2, 3, 4])#2#扩展一个新的维度必须在最前面，否则会报错x = x.expand(2, 3, 4, 6)>>> RuntimeError: The expanded size of the tensor (3) must match the existing size (2) at non-singleton dimension 1.x = x.expand(6, 2, 3, 4)>>> x : torch.Size([6, 2, 3, 4])#3#某一个维度为-1表示不改变该维度的大小x = x.expand(6, -1, -1, -1)>>> x : torch.Size([6, 2, 1, 1])

import torch#1x = torch.randn(2, 1, 1)#原维度为1可以扩展为其他维度y = torch.randn(2, 3, 3)x = x.expand_as(y)print('x :', x.size())>>> x : torch.Size([2, 3, 3])#2x = torch.randn(2, 2, 2)#原维度为其他不是1的值不可以扩展为其他维度y = torch.randn(2, 3, 4)x = x.expand_as(y)print('x :', x.size())>>> RuntimeError: The expanded size of the tensor (4) must match the existing size (2) at non-singleton dimension 2.  Target sizes: [2, 3, 4].

Pytorch expand()函数

返回tensor的一个新视图

单个维度扩大为更大的尺寸。

tensor也可以扩大为更高维，新增加的维度将附在前面。

扩大tensor不需要分配新内存，只是仅仅新建一个tensor的视图，其中通过将stride设为0，一维将会扩展位更高维。

任何一个一维的在不分配新内存情况下可扩展为任意的数值。

note:使用expand()函数的时候

x自身不会改变，因此需要将结果重新赋值。

关于“Pytorch中expand()如何使用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注编程网精选频道，小编每天都会为大家更新不同的知识点。