Pytorch：通过重塑来减少尺寸的更智能方法

Question

我想通过乘以前两个维度的形状来重塑张量。

例如，

第一个张量： torch.Size([12, 10])到torch.Size([120])

2nd_tensor： torch.Size([12, 10, 5, 4])到torch.Size([120, 5, 4])

即前两个维度应合并为一个维度，而其他维度应保持不变。

有没有比这更聪明的方法

1st_tensor.reshape(-1,)

2nd_tensor.reshape(-1,5,4) ,

能适应不同Tensors的形状吗？

---

测试用例：

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

Answer 1

对于张量t ，您可以使用：

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

这使用-1来展平前两个维度，然后使用t.shape[2:]来保持其他维度与原始张量相同。

对于您的示例：

>>> 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])

Answer 2

我认为实际上有一个更好的方法：

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)

我不确定添加了哪个版本的火炬。