python 扩大矩阵 python改变矩阵形状

.reshape(m,n)和.view(m,n)实质上是将元素重组为新的shape。

.reshape(m,n)只可用于numpy的ndarray，不可用于torch的tensor。

.view(m,n)对于numpy的ndarray和torch的tensor都可用
（即：对于tensor只能用.view(m,n)）。

示例如下：

import numpy as np
import torch

# 生成 numpy 的 ndarray， 3行4列
b=np.array([[ 0, 1, 2,3],
            [ 4,5,6,7],
            [ 8,9, 10,11]])
print(b)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]
print(b.shape)
# (3, 4)

# 用 .reshape(m,n) 更改 a 的形状为4行3列
a=b.reshape(4,3)
print(a)
# [[ 0  1  2]
#  [ 3  4  5]
#  [ 6  7  8]
#  [ 9 10 11]]
print(a.shape)
# (4, 3)

# 将 numpy 的 ndarray 改为 torch 的 tensor，3行4列
c=torch.from_numpy(b)
print(c)
# tensor([[ 0,  1,  2,  3],
#         [ 4,  5,  6,  7],
#         [ 8,  9, 10, 11]], dtype=torch.int32)
print(c.shape)
# torch.Size([3, 4])

# 用 .view(m,n) 更改 c 的形状为4行3列
d=c.view(4,3)
print(d)
# tensor([[ 0,  1,  2],
#         [ 3,  4,  5],
#         [ 6,  7,  8],
#         [ 9, 10, 11]], dtype=torch.int32)
print(d.shape)
# torch.Size([4, 3])

# 用 .reshape(m,n) 更改 c 的形状为4行3列
e=c.reshape(4,3)
print(e)
# tensor([[ 0,  1,  2],
#         [ 3,  4,  5],
#         [ 6,  7,  8],
#         [ 9, 10, 11]], dtype=torch.int32)
print(e.shape)
# torch.Size([4, 3])

view_as(tensor)

返回与给定的tensor相同 shape 的原tensor。

示例：

a = torch.Tensor(2, 4)
b = a.view_as(torch.Tensor(4, 2))

print (b)
# tensor([[1.3712e-14, 6.4069e+02],
#         [4.3066e+21, 1.1824e+22],
#         [4.3066e+21, 6.3828e+28],
#         [3.8016e-39, 0.0000e+00]])