torch.Tensor.resize_

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

将 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() 和 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.Size 或 int...) – 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() 与 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]])