torch.reshape 是 PyTorch 用于改变张量形状的函数之一。它不会改变张量的数据，而是重新组织其元素以适应新的形状。

---

reshape 的使用

torch.reshape(input, shape) → Tensor

• input：输入张量。
• shape：新形状，使用整数或 -1 指定各维度大小。
  • -1 表示自动推断该维度大小，使总元素数保持不变。

示例

import torch# 创建一个形状为 (2, 3) 的张量
x = torch.arange(6).view(2, 3)# 使用 reshape 改变形状为 (3, 2)
y = torch.reshape(x, (3, 2))print(y)
# 输出：
# tensor([[0, 1],
#         [2, 3],
#         [4, 5]])

使用 -1 自动推断

z = torch.reshape(x, (-1, 2))
print(z)
# 输出：
# tensor([[0, 1],
#         [2, 3],
#         [4, 5]])

与其他张量形状改变函数的区别

1. view

• 特点：view 也用于改变张量形状，但它要求输入张量在内存中是连续的。
• 限制：如果张量不是连续的（即非 contiguous），使用 view 会报错，需要先调用 contiguous 方法。
• 示例：

x = torch.arange(6).view(2, 3)
y = x.view(3, 2)  # 可以直接使用x = x.T  # 转置操作使张量变为非连续
y = x.view(3, 2)  # 会报错

2. permute

• 特点：用于交换张量的维度，而不是改变形状。
• 用途：适用于维度重新排列。

x = torch.rand(2, 3, 4)
y = x.permute(1, 0, 2)  # 改变维度顺序

3. resize_

• 特点：修改张量形状，可能破坏原始数据，慎用。
• 用途：多用于临时调整张量形状，不推荐在计算中使用。

4. squeeze / unsqueeze

• 特点：
  • squeeze：移除长度为 1 的维度。
  • unsqueeze：添加长度为 1 的维度。
• 示例：

x = torch.rand(1, 3, 1, 4)
y = x.squeeze()  # 去掉长度为 1 的维度
z = x.unsqueeze(2)  # 在第 2 个位置添加一个长度为 1 的维度

5. flatten

• 特点：将多维张量展平为一维张量，或在指定维度范围内展平。
• 用途：简化张量为线性输入。
• 示例：

  x = torch.rand(2, 3, 4)
  y = torch.flatten(x)  # 展平为 1D
  z = torch.flatten(x, start_dim=1)  # 从第 1 维开始展平
  print(z.shape)  # torch.Size([2, 12])

  reshape 的优势

• 灵活性：不需要张量是连续的。
• 安全性：自动处理非连续张量（相比 view）。
• 性能：通常不会引入额外开销，尤其在连续内存情况下。

reshape 与 view 的选择

• 如果确定张量是连续的，可用 view 提高性能。
• 如果不确定张量是否连续，使用 reshape 更安全。

---

以下函数在改变张量形状或维度时不会破坏原始数据：

• reshape
• view（前提是张量连续）
• permute
• transpose
• squeeze / unsqueeze
• flatten
• contiguous

这些操作只会影响数据的组织形式或内存布局，而不会修改数据本身。

总结

• reshape 是 PyTorch 中改变张量形状的通用函数，灵活且易用。
• 与其他形状操作函数（如 view、permute、squeeze 等）的主要区别在于适用场景和对张量内存布局的要求。