torch.Tensor.resize_¶
- Tensor.resize_(*sizes, memory_format=torch.contiguous_format) Tensor ¶
将
self
张量调整为指定的大小。如果元素数量大于当前存储大小,则调整底层存储以适应新的元素数量。如果元素数量较小,则不会更改底层存储。保留现有元素,但任何新内存都未初始化。警告
这是一个低级方法。存储被重新解释为 C 连续的,忽略当前步长(除非目标大小等于当前大小,在这种情况下,张量保持不变)。在大多数情况下,您将改为使用
view()
,它检查连续性,或reshape()
,它根据需要复制数据。要使用自定义步长就地更改大小,请参见set_()
。注意
如果
torch.use_deterministic_algorithms()
和torch.utils.deterministic.fill_uninitialized_memory
都设置为True
,则初始化新元素以防止使用结果作为操作输入时的非确定性行为。浮点和复数值设置为 NaN,整数值设置为最大值。- 参数
sizes (torch.Size 或 int...) – 期望的大小
memory_format (
torch.memory_format
,可选) – 张量的期望内存格式。默认值:torch.contiguous_format
。请注意,如果self.size()
与sizes
匹配,则self
的内存格式将不受影响。
示例
>>> x = torch.tensor([[1, 2], [3, 4], [5, 6]]) >>> x.resize_(2, 2) tensor([[ 1, 2], [ 3, 4]])