1 . 通过 tensor.view 方法可以调整 tensor 的形状，但必须保证调整前后元素总数一致，返回的新 tensor 与源 tensor 共享内存，即更改其中一个，另一个也会跟着改变。 

1
2
3
4
5
6
a = t.arange(0, 6)
print(a.view(2, 3))

# 当某一维为 -1 时，会自动计算它的大小
b = a.view(-1, 3)
print(b.shape)

2 . 在实际应用中可能需要添加或减少某一维度，这时 squeeze 和 unsqueeze 两个函数就派上用场了。

Input: 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
import torch as t

a = t.arange(0, 6)
b = a.view(-1, 3)

print(b)
print(b.shape)

print(b.unsqueeze(1))  # 在第 1 维（下标从 0 开始）上增加 "1"
# 等价于 b[:,None]
print(b[:, None].shape)

print(b.unsqueeze(-2))  # -2 表示倒数第二个维度

c = b.view(1, 1, 1, 2, 3)
print(c)
print(c.squeeze(0))   # 压缩第 0 维的 "1"

print(c.squeeze())   # 把所有维度为 "1" 的都压缩掉

a[1] = 100
print(b)   # b 作为 view 之后的也跟着被修改

Output:

3 . resize 是另一种可用来调整 size 的方法，但是与 view 不同，它可以修改 tensor 的大小，如果新大小超过了原大小，会自动分配新的存储空间，而如果新大小小于原大小，则之前的数据依旧会被保存。

Input:

1
2
3
4
5
6
7
8
9
import torch as t

b = t.arange(0, 6)

b.resize_(1, 3)
print(b)

b.resize_(3, 3)
print(b)

Output:

笔记来源：《pytorch-book》