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]])