快捷方式

torch.Tensor.resize_

Tensor.resize_(*sizes, memory_format=torch.contiguous_format) Tensor

self 张量的大小调整为指定的尺寸。如果元素数量大于当前存储大小,则底层存储将重新调整以适应新的元素数量。如果元素数量较小,底层存储则不会改变。现有元素被保留,但任何新的内存都是未初始化的。

警告

这是一个底层方法。存储被解释为 C 连续,忽略了当前的步长(除非目标尺寸等于当前尺寸,在这种情况下张量保持不变)。对于大多数情况,您会希望改用 view(),它会检查连续性,或者 reshape(),它在需要时会复制数据。要在原地使用自定义步长更改大小,请参阅 set_()

注意

如果 torch.use_deterministic_algorithms()torch.utils.deterministic.fill_uninitialized_memory 都设置为 True,则新的元素会被初始化,以防止使用结果作为操作输入时出现不确定性行为。浮点数和复数被设置为 NaN,整数被设置为最大值。

参数
  • sizes (torch.Sizeint...) – 期望的尺寸

  • memory_format (torch.memory_format, 可选) – 张量期望的内存格式。默认值:torch.contiguous_format。注意,如果 self.size()sizes 匹配,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]])

文档

访问 PyTorch 的完整开发者文档

查看文档

教程

获取为初学者和高级开发者提供的深入教程

查看教程

资源

查找开发资源并获取问题解答

查看资源