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]])