Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
a26546593
dive-into-dl-pytorch
提交
d248817a
D
dive-into-dl-pytorch
项目概览
a26546593
/
dive-into-dl-pytorch
与 Fork 源项目一致
从无法访问的项目Fork
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
dive-into-dl-pytorch
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
d248817a
编写于
10月 24, 2019
作者:
S
ShusenTang
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
add remark about view #13
上级
57d252d5
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
5 addition
and
3 deletion
+5
-3
docs/chapter02_prerequisite/2.2_tensor.md
docs/chapter02_prerequisite/2.2_tensor.md
+5
-3
未找到文件。
docs/chapter02_prerequisite/2.2_tensor.md
浏览文件 @
d248817a
...
...
@@ -180,7 +180,7 @@ print(x.size(), y.size(), z.size())
torch.Size([5, 3]) torch.Size([15]) torch.Size([3, 5])
```
**注意`view()`返回的新
tensor与源tensor共享内存(其实是同一个tensor),也即更改其中的一个,另外一个也会跟着改变。(顾名思义,view仅仅是改变了对这个张量的观察角度
)**
**注意`view()`返回的新
`Tensor`与源`Tensor`虽然可能有不同的`size`,但是是共享`data`的,也即更改其中的一个,另外一个也会跟着改变。(顾名思义,view仅仅是改变了对这个张量的观察角度,内部数据并未改变
)**
```
python
x
+=
1
print
(
x
)
...
...
@@ -196,7 +196,7 @@ tensor([[1.6035, 1.8110, 0.9549],
tensor([1.6035, 1.8110, 0.9549, 1.8797, 2.0482, 0.9555, 0.2771, 3.8663, 0.4345,
1.1604, 0.9746, 2.0739, 3.2628, 0.0825, 0.7749])
```
所以如果我们想返回一个真正新的副本(即不共享内存)该怎么办呢?Pytorch还提供了一个
`reshape()`
可以改变形状,但是此函数并不能保证返回的是其拷贝,所以不推荐使用。推荐先用
`clone`
创造一个副本然后再使用
`view`
。
[
参考此处
](
https://stackoverflow.com/questions/49643225/whats-the-difference-between-reshape-and-view-in-pytorch
)
所以如果我们想返回一个真正新的副本(即不共享
data
内存)该怎么办呢?Pytorch还提供了一个
`reshape()`
可以改变形状,但是此函数并不能保证返回的是其拷贝,所以不推荐使用。推荐先用
`clone`
创造一个副本然后再使用
`view`
。
[
参考此处
](
https://stackoverflow.com/questions/49643225/whats-the-difference-between-reshape-and-view-in-pytorch
)
```
python
x_cp
=
x
.
clone
().
view
(
15
)
x
-=
1
...
...
@@ -265,7 +265,7 @@ tensor([[2, 3],
由于
`x`
和
`y`
分别是1行2列和3行1列的矩阵,如果要计算
`x + y`
,那么
`x`
中第一行的2个元素被广播(复制)到了第二行和第三行,而
`y`
中第一列的3个元素被广播(复制)到了第二列。如此,就可以对2个3行2列的矩阵按元素相加。
## 2.2.4 运算的内存开销
前面说了,索引
、
`view`
是不会开辟新内存的,而像
`y = x + y`
这样的运算是会新开内存的,然后将
`y`
指向新内存。为了演示这一点,我们可以使用Python自带的
`id`
函数:如果两个实例的ID一致,那么它们所对应的内存地址相同;反之则不同。
前面说了,索引
操作
是不会开辟新内存的,而像
`y = x + y`
这样的运算是会新开内存的,然后将
`y`
指向新内存。为了演示这一点,我们可以使用Python自带的
`id`
函数:如果两个实例的ID一致,那么它们所对应的内存地址相同;反之则不同。
```
python
x
=
torch
.
tensor
([
1
,
2
])
...
...
@@ -294,6 +294,8 @@ torch.add(x, y, out=y) # y += x, y.add_(x)
print
(
id
(
y
)
==
id_before
)
# True
```
> 注:虽然`view`返回的`Tensor`与源`Tensor`是共享`data`的,但是依然是一个新的`Tensor`(因为`Tensor`除了包含`data`外还有一些其他属性),二者id(内存地址)并不一致。
## 2.2.5 `Tensor`和NumPy相互转换
我们很容易用
`numpy()`
和
`from_numpy()`
将
`Tensor`
和NumPy中的数组相互转换。但是需要注意的一点是:
**这两个函数所产生的的`Tensor`和NumPy中的数组共享相同的内存(所以他们之间的转换很快),改变其中一个时另一个也会改变!!!**
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录