对pytorch中张量的形状和维度的理解 |
您所在的位置：网站首页 › 二维向量长什么样 › 对pytorch中张量的形状和维度的理解 |
对pytorch中张量的形状和维度的理解
|
本人也是pytorch新手一枚，如有错误，欢迎及时指正 1 张量的概念和定义    也可以使用x.size(index)来取出某个维度上的大小。在这里我们可以将张量的形状看成是列表[2,3,6],这样在使用x.size(index)取维度的大小时，就可以应用列表的规则。如上图所示对张量维度的理解 依然使用上面 x 的例子，x有三个维度 0 ，1 ，2 。  x[0]取出的是第一个维度上的第一个元素   也可以使用这种方法，取出任意维度上的任意起始位置的元素。对于torch.cat()函数维度的理解 对于上例中的 x 来说，维度有 0,1,2  在0维上进行拼接，相当于是在叠罗汉，一层一层累加，不过这些罗汉的形状要相同，即第1维和第2维的大小要相同。 拼接后的形状是436  在1 维上进行拼接，按纵向进行拼接，可以看成有两个形状相同方阵的罗汉，一个方阵的罗汉需要站到另一个方阵的后面去。其他两维的大小要相同。  在2 维上进行拼接，按横向拼接，可以看成本来有两排罗汉，现在要合并成一排，其他两个维度的大小要相同。
张量的形状可以看成列表，同理张量的维度也可以看成列表。 对于上例中的 x 来说，维度有 0,1,2,将其看成列表[0,1,2] 在dim = -1 上拼接就相当于在 dim = 2 上进行拼接 0 1 2 > 从大粒度到小粒度 -1 -2 -3 > 从小粒度到大粒度 |
0 维张量 是 标量 （单纯的数字） 1维张量 是 向量 2 维张量 是数组 3维张量 可以看成多个形状相同数组 同理，我们可以推导更高维度的张量【本文地址】