Pytorch：通过reshape智能地减少维度的方法

Question

我想通过乘以前两个维度的形状来重新塑造张量。

例如，

第一张张量：torch.Size([12, 10])变为torch.Size([120])

第二张张量：torch.Size([12, 10, 5, 4])变为torch.Size([120, 5, 4])

即将前两个维度合并为一个，而其他维度保持不变。

是否有比

1st_tensor.reshape(-1,)

2nd_tensor.reshape(-1,5,4)更聪明的方法，可以适应不同张量的形状？

---

测试用例：

import torch
tests = [
    torch.rand(11, 11), 
    torch.rand(12, 15351, 6, 4),
    torch.rand(13, 65000, 8)
    ]

- zheyuanWang

---

t = t.reshape(-1, *t.shape[2:]) - undefined

Answer 1

针对张量t，您可以使用：

t.reshape((-1,)+t.shape[2:])

这里使用-1来压缩前两个维度，然后使用t.shape[2:]将其他维度保持与原张量相同。

对于您的例子：

>>> tests = [
...     torch.rand(11, 11),
...     torch.rand(12, 15351, 6, 4),
...     torch.rand(13, 65000, 8)
...     ]
>>> tests[0].reshape((-1,)+tests[0].shape[2:]).shape
torch.Size([121])
>>> tests[1].reshape((-1,)+tests[1].shape[2:]).shape
torch.Size([184212, 6, 4])
>>> tests[2].reshape((-1,)+tests[2].shape[2:]).shape
torch.Size([845000, 8])

- GoodDeeds

---

我认为这个也可以不用tuple()。 - undefined

我觉得你可能还需要t.shape，否则看起来不错。 - undefined

Answer 2

实际上我认为有更好的方法：

import torch

tests = [
    torch.rand(11, 11), 
    torch.rand(12, 15351, 6, 4),
    torch.rand(13, 65000, 8)
    ]

for test in tests:
    print(test.flatten(0, 1).shape)

我不确定这个功能是在哪个版本的torch中添加的。

- J369