如何在 pytorch 中展平张量？

Question

给定一个多维张量，我如何将其展平以使其具有 单一 维度？

 torch.Size([2, 3, 5])    ⟶ flatten ⟶    torch.Size([30])

原文由 Tom Hale 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

长话短说： torch.flatten()

使用 torch.flatten() 在 v0.4.1 中引入并在 v1.0rc1 中 记录：

>  >>> t = torch.tensor([[[1, 2],
>                        [3, 4]],
>                       [[5, 6],
>                        [7, 8]]])
> >>> torch.flatten(t)
> tensor([1, 2, 3, 4, 5, 6, 7, 8])
> >>> torch.flatten(t, start_dim=1)
> tensor([[1, 2, 3, 4],
>         [5, 6, 7, 8]])
>
> ```

对于 v0.4.1 及更早版本，请使用 [`t.reshape(-1)`](https://pytorch.org/docs/master/torch.html#torch.reshape) 。

* * *

随着 `t.reshape(-1)` ：

如果请求的视图在内存中是连续的，这将等同于 [`t.view(-1)`](https://pytorch.org/docs/master/tensors.html?highlight=view#torch.Tensor.view) 并且不会复制内存。

否则它将等同于 `t.` [`contiguous()`](https://pytorch.org/docs/stable/tensors.html#torch.Tensor.contiguous) `.view(-1)` 。

* * *

其他非选项：

- `t.view(-1)` [不会复制内存，但可能无法工作，具体取决于原始大小和步幅](https://pytorch.org/docs/master/tensors.html?highlight=view#torch.Tensor.view)

- `t.resize(-1)` 给出 `RuntimeError` （见下文）

- `t.resize(t.numel())` [关于低级方法的警告](https://pytorch.org/docs/stable/tensors.html#torch.Tensor.resize_)（见下面的讨论）


（注意： `pytorch` `reshape()` [`reshape()` `numpy`](https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html)

* * *

`t.resize(t.numel())` 需要一些讨论。 [`torch.Tensor.resize_` 文档](https://pytorch.org/docs/stable/tensors.html#torch.Tensor.resize_) 说：

> 存储被重新解释为 C-contiguous，忽略当前步幅（除非目标大小等于当前大小，在这种情况下张量保持不变）

鉴于新的 `(1, numel())` 大小将忽略当前步幅，元素的顺序 _可能会_ 以与 `reshape(-1)` 不同的顺序出现。但是，“大小” _可能_ 意味着内存大小，而不是张量的大小。

如果 `t.resize(-1)` 既方便又高效，那就太好了，但是 `torch 1.0.1.post2` , `t = torch.rand([2, 3, 5]);  t.resize(-1)` 给出：

RuntimeError: requested resize to -1 (-1 elements in total), but the given tensor has a size of 2x2 (4 elements). autograd’s resize can only change the shape of a given tensor, while preserving the number of elements.

”`

我 在这里 提出了一个功能请求，但一致认为 resize() 是一种低级方法，应该优先使用 reshape() 。

原文由 Tom Hale 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

使用 torch.reshape 并且只能传递一个维度来展平它。如果您不想对维度进行硬编码，只需指定 -1 即可推断出正确的维度。

 >>> x = torch.tensor([[1,2], [3,4]])
>>> x.reshape(-1)
tensor([1, 2, 3, 4])

编辑：

对于你的例子：

原文由 scarecrow 发布，翻译遵循 CC BY-SA 4.0 许可协议