pytorch、numpy的维度处理 python

一、Numpy 1.1 维度交换
【pytorch、numpy的维度处理】swapaxes。将数组n个维度中两个维度进行调换，不改变原数组据，resize可以改变原数组的数据。

import numpy as np a = np.random.randint(1,10,(3,4)) print(a.shape)# out:(3,4)a = a.swapaxes(0,1) print(a.shape)# out:(4,3)

1.2 增加维度
np.newaxis和np.expand_dims。只能添加shape为1的维度

import numpy as np a = np.random.randint(1,10,(3,4)) print(a.shape)# out:(3,4) # 第一种方式：添加第0维 a1 = a[np.newaxis, :] print(a1.shape)# out:(1,3,4) # 第二种方式：添加第1维 a2 = np.expand_dims(a, axis=1) print(a2.shape)# out:(3,1,4)

1.3 删除维度
np.squeeze。只能删除shape为1的维度

axis用于指定需要删除的维度，但是指定的维度必须为单维度，否则将会报错；
axis的取值可为None 或 int 或 tuple of ints, 可选。若axis为空，则删除所有单维度的条目；

import numpy as np a = np.random.randint(1,10,(3,1,4)) print(a.shape)# out:(3,4)a = np.squeeze(a,axis = 1) # 或：a = a.squeeze(axis = 1)print(a.shape)# out:(3,4)

1.4 拉直

import numpy as np a = np.random.randint(1,10,(3,1,4)) print(a.shape)# out:(3,4)a = a.flatten() print(a.shape)# out:(12,)

二、Pytorch 2.1 维度调整
view和reshape功能是一样的，先展平所有元素再按照给定shape排列，但是最终的总数量必须保持不变。

import torch a = torch.rand(28,2,4,28)# 四维张量 print(a.shape)# out：torch.Size([28, 2, 4, 28])# 维度转换成一维，总大小不变 print(a.view(28,2*4,28).shape)# out：torch.Size([28, 8, 28])# -1 表示任意维度（pytorch根据，后面的维度自己推导，如总维度是 28*2*4*28=6272，此时-1代表的维度就是 6272 / 14 =448 ） print(a.view(-1,14).shape)# out：torch.Size([448, 14])

2.2 维度交换
transpose 实现两个维度相互交换

import torch a = torch.rand(4,3,17,32)# 四维张量 # transpose 后需要接 contiguous 保证数据在内存的连续性 b = a.transpose(1,3).contiguous() print(b.shape)# out：torch.Size([4, 32, 17, 3])

permute 实现任意维度的交换

import torch a = torch.rand(4,3,17,32) b = a.permute(0,3,1,2).contiguous() # 按各维度的索引进行排列 print(b.shape)# out：torch.Size([4, 32, 17, 3])

2.3 增加维度
unsuqeeze 。只能添加shape为1的维度

import torch a = torch.rand(4,2,16,28)# out：torch.Size([4, 2, 16, 28]) print(a.shape)a1 = a.unsqueeze(0)# 最前面增加一个维度 a2 = a.unsqueeze(1)# 在第1，2个维度中间增加一个维度 a3 = a.unsqueeze(-1)# 在最后面增加一个维度print(a1.shape)# out：torch.Size([1, 4, 2, 16, 28]) print(a2.shape)# out：torch.Size([4, 1, 2, 16, 28]) print(a3.shape)# out：torch.Size([4, 2, 16, 28, 1])# 方法2： a1 = a[None, ...]

2.4 删除维度
suqeeze 。只能删数shape为1的维度

import torch a = torch.rand(4,2,28,17,1,1)# 四维张量 print(a.shape)# out：torch.Size([4, 2, 28, 17, 1, 1])a1 = a.squeeze()# 删除所有维度为1的维度 a2 = a.squeeze(4)# 删除指定位置维度为1的维度print(a1.shape)# out：torch.Size([4, 2, 28, 17]) print(a2.shape)# out：torch.Size([4, 2, 28, 17, 1])

2.5 重复维度
repeat就是将每个位置的维度都重复至指定的次数，以形成新的Tensor，功能与expand一样，但是repeat会重新申请内存空间，repeat()参数表示各个维度指定的重复次数。

import torch a = torch.Tensor(1, 3, 1, 1) print(a.shape)b = a.repeat(64, 1, 600, 800)# 3这里不想进行重复,所以就相当于"重复至1次" print(b.shape)# out：torch.Size([64, 3, 600, 800])