PyTorch中的“视图”方法是如何工作的？

Question

我对下面代码片段中的方法view（）感到困惑。

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool  = nn.MaxPool2d(2,2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1   = nn.Linear(16*5*5, 120)
        self.fc2   = nn.Linear(120, 84)
        self.fc3   = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 16*5*5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

net = Net()

我的困惑在于以下几行。

x = x.view(-1, 16*5*5)

什么是张量。view（）函数的作用是什么？我在很多地方见过它的用法，但我不明白它是如何解释它的参数的。

如果我将负值作为参数赋给view（）函数，会发生什么情况？例如，如果我调用，tensor\u变量会发生什么。视图（1，1，-1）？

有人能用一些例子解释一下view（）函数的主要原理吗？

Answer 1

view（）通过将张量的元素“拉伸”或“挤压”到指定的形状来重塑张量：

首先让我们看看引擎盖下的张量是什么：

Answer 2

让我们做一些例子，从简单到更难。

>

view方法返回一个张量，该张量的数据与自张量的数据相同（这意味着返回的张量具有相同数量的元素），但形状不同。例如：

a = torch.arange(1, 17)  # a's shape is (16,)

a.view(4, 4) # output below
  1   2   3   4
  5   6   7   8
  9  10  11  12
 13  14  15  16
[torch.FloatTensor of size 4x4]

a.view(2, 2, 4) # output below
(0 ,.,.) = 
1   2   3   4
5   6   7   8

(1 ,.,.) = 
 9  10  11  12
13  14  15  16
[torch.FloatTensor of size 2x2x4]

假设-1不是参数之一，当将它们相乘时，结果必须等于张量中的元素数。如果您这样做：a.view（3,3），它将引发运行时错误，因为形状（3 x 3）对于包含16个元素的输入无效。换句话说：3x3不等于16，但等于9。

可以使用-1作为传递给函数的参数之一，但只能使用一次。所发生的是，该方法将为您计算如何填充该维度。例如a.view（2，-1,4）等价于a.view（2,2,4）。

请注意，返回的张量共享相同的数据。如果在“视图”中进行更改，则更改的是原始张量数据：

b = a.view(4, 4)
b[0, 2] = 2
a[2] == 3.0
False

现在，对于更复杂的用例。留档说每个新的视图维度必须是原始维度的子空间，或者只有满足以下类似连续条件的d， d1，...， dk，对于所有i=0，...， k-1，步幅[i]=步幅[i 1]x大小[i 1]。否则，需要在查看张量之前调用contiguous（）。例如：

a = torch.rand(5, 4, 3, 2) # size (5, 4, 3, 2)
a_t = a.permute(0, 2, 3, 1) # size (5, 3, 2, 4)

# The commented line below will raise a RuntimeError, because one dimension
# spans across two contiguous subspaces
# a_t.view(-1, 4)

# instead do:
a_t.contiguous().view(-1, 4)

# To see why the first one does not work and the second does,
# compare a.stride() and a_t.stride()
a.stride() # (24, 6, 2, 1)
a_t.stride() # (24, 2, 1, 6)

请注意，对于a_t，stride[0]！=步幅[1]x大小[1]自24！=2 x 3

Answer 3

视图函数旨在重塑张量。

假设你有一个张量

import torch
a = torch.range(1, 16)

a是一个张量，它包含从1到16的16个元素。如果你想重塑这个张量，使它成为一个4 x 4张量，那么你可以使用

a = a.view(4, 4)

现在a将是4x4张量。请注意，重塑后，图元的总数需要保持不变。将张量a重塑为3 x 5张量将不合适。

如果您不知道需要多少行，但确定列的数量，那么可以使用-1指定。（请注意，您可以将其扩展到具有更多维度的张量。只有一个轴值可以是-1）。这是告诉库的一种方式：“给我一个有这么多列的张量，然后计算出实现这一点所需的适当行数”。

这可以在上面给出的神经网络代码中看到。在x=self行之后。pool（F.relu（self.conv2（x）））在forward函数中，您将有一个16深度的特征映射。您必须将其展平，以将其提供给完全连接的层。所以你告诉pytorch重塑你得到的张量，使其具有特定的列数，并让它自己决定行数。

在numpy和pytorch之间绘制一个相似的视图，view类似于numpy的重塑功能。