Python PyTorch Tensor.resize_用法及代碼示例

本文簡要介紹python語言中 torch.Tensor.resize_ 的用法。

用法:

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

參數：

• sizes(torch.Size或者詮釋...) -所需尺寸

• memory_format(torch.memory_format， 可選的) -張量所需的內存格式。默認值：torch.contiguous_format。請注意，如果 self.size() 匹配 sizes ，則 self 的內存格式將不受影響。

將 self 張量調整為指定大小。如果元素的數量大於當前的存儲大小，則調整底層存儲的大小以適應新的元素數量。如果元素數量較少，則不會更改底層存儲。保留現有元素，但未初始化任何新內存。

警告

這是一種低級方法。存儲被重新解釋為C-contiguous，忽略當前步幅(除非目標大小等於當前大小，在這種情況下張量保持不變)。在大多數情況下，您將改為使用 view() 來檢查連續性，或者使用 reshape() 來在需要時複製數據。要使用自定義步幅就地更改大小，請參閱 set_() 。

例子：

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