[pytorch] pytorch에서 모양 변경과보기의 차이점은 무엇입니까?

torch.view및 둘 다 torch.reshape텐서의 모양을 바꾸는 데 사용 되지만 여기에 그 차이가 있습니다.

1. 이름에서 알 수 있듯이 torch.view단순히 원래 텐서 의 보기 를 생성합니다 . 새 텐서는 항상 원래 텐서와 데이터를 공유합니다. 즉, 원래 텐서를 변경하면 모양이 변경된 텐서가 변경되고 그 반대의 경우도 마찬가지입니다.

>>> z = torch.zeros(3, 2)
>>> x = z.view(2, 3)
>>> z.fill_(1)
>>> x
tensor([[1., 1., 1.],
        [1., 1., 1.]])

2. 새 텐서가 항상 원본과 데이터를 공유하도록하기 위해 torch.view두 텐서의 모양에 몇 가지 연속성 제약을 부과합니다 [ 문서 ]. 종종 이것은 문제가되지 않지만 torch.view두 텐서의 모양이 호환되는 경우에도 오류가 발생하는 경우 가 많습니다 . 여기에 유명한 반례가 있습니다.

>>> z = torch.zeros(3, 2)
>>> y = z.t()
>>> y.size()
torch.Size([2, 3])
>>> y.view(6)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
RuntimeError: invalid argument 2: view size is not compatible with input tensor's
size and stride (at least one dimension spans across two contiguous subspaces).
Call .contiguous() before .view().

3. torch.reshape연속성 제약을 부과하지 않지만 데이터 공유를 보장하지도 않습니다. 새 텐서는 원래 텐서의보기 일 수도 있고, 모두 새 텐서 일 수도 있습니다.

>>> z = torch.zeros(3, 2)
>>> y = z.reshape(6)
>>> x = z.t().reshape(6)
>>> z.fill_(1)
tensor([[1., 1.],
        [1., 1.],
        [1., 1.]])
>>> y
tensor([1., 1., 1., 1., 1., 1.])
>>> x
tensor([0., 0., 0., 0., 0., 0.])

요약 :
텐서의 모양을 변경하려면 torch.reshape. 메모리 사용량도 염려하고 두 텐서가 동일한 데이터를 공유하도록하려면 torch.view.