Python PyTorch Tensor.resize_用法及代码示例

本文简要介绍python语言中 torch.Tensor.resize_ 的用法。

用法:

Tensor.resize_(*sizes, memory_format=torch.contiguous_format) → Tensor

参数：

• sizes(torch.Size或者诠释...) -所需尺寸

• memory_format(torch.memory_format， 可选的) -张量所需的内存格式。默认值：torch.contiguous_format。请注意，如果 self.size() 匹配 sizes ，则 self 的内存格式将不受影响。

将 self 张量调整为指定大小。如果元素的数量大于当前的存储大小，则调整底层存储的大小以适应新的元素数量。如果元素数量较少，则不会更改底层存储。保留现有元素，但未初始化任何新内存。

警告

这是一种低级方法。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)。在大多数情况下，您将改为使用 view() 来检查连续性，或者使用 reshape() 来在需要时复制数据。要使用自定义步幅就地更改大小，请参阅 set_() 。

例子：

>>> x = torch.tensor([[1, 2], [3, 4], [5, 6]])
>>> x.resize_(2, 2)
tensor([[ 1,  2],
        [ 3,  4]])