调整 PyTorch 张量的大小

Question

我目前正在使用 tensor.resize() 函数将张量调整为新形状 t = t.resize(1, 2, 3)。

这给了我一个弃用警告：

non-inplace resize is deprecated

因此，我想切换到 tensor.resize_() 函数，这似乎是合适的就地替换。然而，这给我留下了

cannot resize variables that require grad

错误。我可以回到

from torch.autograd._functions import Resize
Resize.apply(t, (1, 2, 3))

这是 tensor.resize() 为避免弃用警告所做的。这似乎不是一个合适的解决方案，而是对我的黑客攻击。在这种情况下如何正确使用 tensor.resize_()？

Answer 1

您可以改为选择 tensor.reshape(new_shape) or torch.reshape(tensor, new_shape)，如：

# a `Variable` tensor
In [15]: ten = torch.randn(6, requires_grad=True)

# this would throw RuntimeError error
In [16]: ten.resize_(2, 3)
---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-16-094491c46baa> in <module>()
----> 1 ten.resize_(2, 3)

RuntimeError: cannot resize variables that require grad

以上RuntimeError可以通过tensor.reshape(new_shape)

解决或避免

In [17]: ten.reshape(2, 3)
Out[17]: 
tensor([[-0.2185, -0.6335, -0.0041],
        [-1.0147, -1.6359,  0.6965]])

# yet another way of changing tensor shape
In [18]: torch.reshape(ten, (2, 3))
Out[18]: 
tensor([[-0.2185, -0.6335, -0.0041],
        [-1.0147, -1.6359,  0.6965]])

Answer 2

如果您真的不想更改其数据，只需使用 t = t.contiguous().view(1, 2, 3)。

如果不是这样，就地resize_操作将破坏t的grad计算图。
如果你不介意，就用t = t.data.resize_(1,2,3).

Answer 3

请你试试这样的东西：

import torch
x = torch.tensor([[1, 2], [3, 4], [5, 6]])
print(":::",x.resize_(2, 2))
print("::::",x.resize_(3, 3))

调整 PyTorch 张量的大小

Resize PyTorch Tensor

python

runtime-error

deprecation-warning

pytorch

tensor