PyTorch中的`view()`函数有什么作用？

view()函数对张量x有什么作用？负值的含义是什么？

x = x.view(-1, 16 * 5 * 5)

回答：

view()函数重塑张量形状而不复制内存，类似于numpy的reshape()函数。

假设有一个包含16个元素的张量a：

import torcha = torch.range(1, 16)

要将这个张量重塑为4 x 4的张量，可以使用：

a = a.view(4, 4)

现在a将是一个4 x 4的张量。*请注意，reshape后元素的总数需要保持不变。将张量a重塑为3 x 5的张量是不合适的。*

如果在某些情况下你不知道需要多少行，但确定了列数，你可以用-1来指定。（*请注意，这可以扩展到更多维度的张量。只有一个轴的值可以是-1*）。这是一种告诉库的方式：“给我一个具有这些列数的张量，你来计算需要多少行来实现这一点”。

这可以在这个模型定义代码中看到。在forward函数中的x = self.pool(F.relu(self.conv2(x)))这行之后，你将得到一个深度为16的特征图。你需要将它展平以提供给全连接层。因此，你告诉PyTorch将你得到的张量重塑为特定数量的列，并让它自己决定行数。

学技术