在PyTorch中，可以对Tensor进行操作的一些函数：view、permute、squeeze、unsqueeze等

 

 

tensor是深度学习中非常实用的数据类型，PyTorch包含了一些可以操作tensor的工具，比如重塑、维度变换、维度压缩（不考虑内存底层的具体情况），这些操作都不改变tensor原本的shape。

 

1. 查看Tensor的shape，可以用tensor.size()或tensor.shape

 

2. 重塑tensor，tensor.view()，只改变显示的视图，不改变原来的shape

此操作相当于把tensor展开成一维数据（数据存储地址是连续的），然后映射一个新的shape，

torch.Tensor()区别于torch.tensor()，当输入数值是整型时，前者生成浮点数，后者生成整数

3. 维度变换，tensor.permute()，交换维度的位置，同样不会改变原有的shape，

4. 维度压缩，tensor.squeeze()，去掉大小为1的维度，不会改变原有的shape，

 5. 维度扩展，tensor.unsqueeze()，展开指定的某一维度，对其增加1，不会改变原有的shape，

6. 扩展tensor大小，tensor.expand()，被扩展的维度重复该维度已有的数值，只有该维度的大小是1时才能被扩展，

还可以在第0维增加一个维度，

7. tensor展平，torch.flatten()，将指定的几个维度展开成一个维度，其他维度不变，还有torch.nn.Flatten()， 

torch.flatten(input, start_dim=0, end_dim=-1)  # 从第start_dim维开始，到第end_dim维结束，将这些维展平成一个维度

8.  拼接tensor，torch.cat()，将2个tensor沿某个维度拼接成1个tensor，除要拼接的维度外，其他维度大小要相同

9. 堆叠tensor，torch.stack()，增加1个维度，并沿该维度堆叠，两个tensor的shape完全相同才能堆叠，

10. 拆分tensor，tensor.split()，沿指定维度，按大小比例来拆分，其他维度不变

11. 均等拆分tensor，tensor.chunk()，当维度大小不能被等分份数整除时，可能不会报错，但结果可能与预期不同，