1.View函数

把原先tensor中的数据按照行优先的顺序排成一个一维的数据（这里应该是因为要求地址是连续存储的），然后按照参数组合成其他维度的tensor。比如说是不管你原先的数据是[[[1,2,3],[4,5,6]]]还是[1,2,3,4,5,6]，因为它们排成一维向量都是6个元素，所以只要view后面的参数一致，得到的结果都是一样的。
小案例：
import torch
a=torch.Tensor([[[1,2,3],[4,5,6]]])
b=torch.Tensor([1,2,3,4,5,6])

print(a.view(1,6))
print(b.view(1,6))
#得到的结果都是tensor([[1., 2., 3., 4., 5., 6.]])

#再看一个例子：
a=torch.Tensor([[[1,2,3],[4,5,6]]])
print(a.view(3,2))

控制台输出：

Pytorch学习笔记14----torch中相关函数使用：view函数、max()函数、squeeze()函数

参数不可为空。参数中的-1就代表这个位置由其他位置的数字来推断，只要在不致歧义的情况下，view参数就可以推断出来，也就是人可以推断出形状的情况下，view函数也可以推断出来。比如a tensor的数据个数是6个，如果view（1，-1），我们就可以根据tensor的元素个数推断出-1代表6。而如果是view（-1，-1，2），人不知道怎么推断，机器也不知道。还有一种情况是人可以推断出来，但是机器推断不出来的：view（-1，-1，6），人可以知道-1都代表1，但是机器不允许同时有两个-1。
 
2.max函数
import  torch
a = torch.randn(3,3)
print(a)#返回生成的随机tensor(3*3)
print(torch.max(a,0))#返回每一列中最大值的那个元素，且返回索引（返回最大元素在这一列的行索引）
print(torch.max(a,1))#返回每一行中最大值的那个元素，且返回其索引（返回最大元素在这一行的列索引）
print(torch.max(a))#返回tensor a 中的最大值
print(torch.max(a,0)[0] )# 只返回最大值的每个数
print(torch.max(a,0)[1])#只返回最大值的每个索引

控制台输出：

D:\softwaretools\anaconda\python.exe D:/pycharmprojects/hoteltest01/hoteltest01/testpy/test16.py
tensor([[ 1.6294,  0.2568,  0.2093],
        [ 0.4974, -2.1175,  0.1659],
        [ 0.0640,  1.4387, -0.5895]])
torch.return_types.max(
values=tensor([1.6294, 1.4387, 0.2093]),
indices=tensor([0, 2, 0]))
torch.return_types.max(
values=tensor([1.6294, 0.4974, 1.4387]),
indices=tensor([0, 0, 1]))
tensor(1.6294)
tensor([1.6294, 1.4387, 0.2093])
tensor([0, 2, 0])

Process finished with exit code 0

max函数用法总结：

torch.max(a) 返回输入tensor a中所有元素的最大值

torch.max(a,0) 返回每一列中最大值的那个元素，且返回索引（返回最大元素在这一列的行索引）

torch.max(a,1) 返回每一行中最大值的那个元素，且返回其索引（返回最大元素在这一行的列索引）

torch.max()[0]， 只返回最大值的每个数

troch.max()[1]， 只返回最大值的每个索引

torch.max()[1].data 只返回variable中的数据部分（去掉Variable containing:）

torch.max()[1].data.numpy() 把数据转化成numpy ndarry

torch.max()[1].data.numpy().squeeze() 把数据条目中维度为1 的删除掉

torch.max(tensor1,tensor2) element-wise 比较tensor1 和tensor2 中的元素，返回较大的那个值

3.squeeze()函数

torch.unsqueeze(input, dim, out=None)

作用：扩展维度

返回一个新的张量，对输入的既定位置插入维度 1

如果dim为负，则将会被转化dim+input.dim()+1

参数:

tensor (Tensor) – 输入张量

dim (int) – 插入维度的索引

out (Tensor, optional) – 结果张量

import torch

x = torch.Tensor([1, 2, 3, 4])  # torch.Tensor是默认的tensor类型（torch.FlaotTensor）的简称。

print('-' * 50)
print(x)  # tensor([1., 2., 3., 4.])
print(x.size())  # torch.Size([4])
print(x.dim())  # 1
print(x.numpy())  # [1. 2. 3. 4.]

print('-' * 50)
print(torch.unsqueeze(x, 0))  # tensor([[1., 2., 3., 4.]])
print(torch.unsqueeze(x, 0).size())  # torch.Size([1, 4])
print(torch.unsqueeze(x, 0).dim())  # 2
print(torch.unsqueeze(x, 0).numpy())  # [[1. 2. 3. 4.]]

print('-' * 50)
print(torch.unsqueeze(x, 1))
# tensor([[1.],
#         [2.],
#         [3.],
#         [4.]])
print(torch.unsqueeze(x, 1).size())  # torch.Size([4, 1])
print(torch.unsqueeze(x, 1).dim())  # 2

print('-' * 50)
print(torch.unsqueeze(x, -1))
# tensor([[1.],
#         [2.],
#         [3.],
#         [4.]])
print(torch.unsqueeze(x, -1).size())  # torch.Size([4, 1])
print(torch.unsqueeze(x, -1).dim())  # 2

print('-' * 50)
print(torch.unsqueeze(x, -2))  # tensor([[1., 2., 3., 4.]])
print(torch.unsqueeze(x, -2).size())  # torch.Size([1, 4])
print(torch.unsqueeze(x, -2).dim())  # 2

控制台输出：

D:\softwaretools\anaconda\python.exe D:/pycharmprojects/hoteltest01/hoteltest01/testpy/test16.py
--------------------------------------------------
tensor([1., 2., 3., 4.])
torch.Size([4])
1
[1. 2. 3. 4.]
--------------------------------------------------
tensor([[1., 2., 3., 4.]])
torch.Size([1, 4])
2
[[1. 2. 3. 4.]]
--------------------------------------------------
tensor([[1.],
        [2.],
        [3.],
        [4.]])
torch.Size([4, 1])
2
--------------------------------------------------
tensor([[1.],
        [2.],
        [3.],
        [4.]])
torch.Size([4, 1])
2
--------------------------------------------------
tensor([[1., 2., 3., 4.]])
torch.Size([1, 4])
2

Process finished with exit code 0

4.torch.squeeze 详解

torch.squeeze(input, dim=None, out=None)

作用：降维

将输入张量形状中的1 去除并返回。 如果输入是形如(A×1×B×1×C×1×D)，那么输出形状就为： (A×B×C×D)

当给定dim时，那么挤压操作只在给定维度上。例如，输入形状为: (A×1×B), squeeze(input, 0) 将会保持张量不变，只有用 squeeze(input, 1)，形状会变成 (A×B)。

参数:
input (Tensor) – 输入张量
dim (int, optional) – 如果给定，则input只会在给定维度挤压
out (Tensor, optional) – 输出张量

案例：

import torch
print("*" * 50)

m = torch.zeros(2, 1, 2, 1, 2)
print(m.size())  # torch.Size([2, 1, 2, 1, 2])

n = torch.squeeze(m)
print(n.size())  # torch.Size([2, 2, 2])

n = torch.squeeze(m, 0)  # 当给定dim时，那么挤压操作只在给定维度上
print(n.size())  # torch.Size([2, 1, 2, 1, 2])

n = torch.squeeze(m, 1)
print(n.size())  # torch.Size([2, 2, 1, 2])

n = torch.squeeze(m, 2)
print(n.size())  # torch.Size([2, 1, 2, 1, 2])

n = torch.squeeze(m, 3)
print(n.size())  # torch.Size([2, 1, 2, 2])

控制台输出：

Pytorch学习笔记14----torch中相关函数使用：view函数、max()函数、squeeze()函数

5.cat()函数
torch.cat(inputs, dimension=0) → Tensor

cat是concatnate的意思：拼接，联系在一起。

参数:

  • inputs (sequence of Tensors) – 可以是任意相同Tensor 类型的python 序列
  • dimension (int, optional) – 沿着此维连接张量序列

注意：输入数据必须是序列，序列中数据是任意相同的shape的同类型tensor

按维数0拼接（竖着拼）

C = torch.cat( (A,B),0 )

按维数1拼接（横着拼）

C = torch.cat( (A,B),1 )

案例：

import torch
A=torch.ones(2,3)    #2x3的张量（矩阵）
print("A:\n",A,"\nA.shape:\n",A.shape,"\n")

B=2*torch.ones(4,3)  #4x3的张量（矩阵）
print("B:\n",B,"\nB.shape:\n",B.shape,"\n")

C=torch.cat((A,B),0)  #按维数0（行）拼接
print("C:\n",C,"\nC.shape:\n",C.shape,"\n")

控制台输出：

D:\softwaretools\anaconda\python.exe D:/pycharmprojects/hoteltest01/hoteltest01/testpy/test16.py
A:
 tensor([[1., 1., 1.],
        [1., 1., 1.]]) 
A.shape:
 torch.Size([2, 3]) 

B:
 tensor([[2., 2., 2.],
        [2., 2., 2.],
        [2., 2., 2.],
        [2., 2., 2.]]) 
B.shape:
 torch.Size([4, 3]) 

C:
 tensor([[1., 1., 1.],
        [1., 1., 1.],
        [2., 2., 2.],
        [2., 2., 2.],
        [2., 2., 2.],
        [2., 2., 2.]]) 
C.shape:
 torch.Size([6, 3]) 


Process finished with exit code 0

6.permute()函数

torch.Tensor.permute (Python method, in torch.Tensor)

作用：将tensor的维度换位。

permute是更灵活的transpose，可以灵活的对原数据的维度进行调换，而数据本身不变。

import torch
x = torch.randn(2,3,4)
print(x.size())
x_p = x.permute(1,0,2) # 将原来第1维变为0维，同理，0→1,2→2 print(x_p.size())
print(x_p.size())

控制台输出：

Pytorch学习笔记14----torch中相关函数使用：view函数、max()函数、squeeze()函数

参考文献：
https://www.jianshu.com/p/b23367ec9097
https://blog.csdn.net/Jane_JXR/article/details/98341092
https://zhuanlan.zhihu.com/p/86763381
https://www.pytorchtutorial.com/docs/  （pytorch 中文官方文档）