pytorch - 如何在 pytorch 中展平张量？

Question

给定一个多维的张量，我如何将它展平以使其具有单个维度？

例如:

>>> t = torch.rand([2, 3, 5])
>>> t.shape
torch.Size([2, 3, 5])

我如何将它压平以具有形状:

torch.Size([30])

Answer 1

TL;博士:torch.flatten()
使用 torch.flatten() 这是在 v0.4.1 中引入的并记录在 v1.0rc1 :

>>> 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，使用 t.reshape(-1) .

与 t.reshape(-1) :

如果请求的 View 在内存中是连续的
这将等同于 t.view(-1) 并且内存不会被复制。

否则等于t. contiguous() .view(-1) .

其他非选项:

t.view(-1) won't copy memory, but may not work depending on original size and stride

t.resize(-1)给 RuntimeError (见下文)

t.resize(t.numel()) warning about being a low-level method
(见下面的讨论)

(注意: pytorch 的 reshape() 可能会改变数据，但 numpy 's reshape() won't 。)
t.resize(t.numel())需要一些讨论。 torch.Tensor.resize_ documentation说:

The storage is reinterpreted as C-contiguous, ignoring the current strides (unless the target size equals the current size, in which case the tensor is left unchanged)

鉴于当前的步幅将被新的 (1, numel()) 忽略。大小，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) 就好了既方便又高效，但使用 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.

我为此提出了一个功能请求 here ，但共识是 resize()是一种低级方法，并且 reshape()应该优先使用。