¿Cómo funciona el método «Ver» en Python PyTorch?

En este artículo, discutiremos cómo funciona el método torch.view en PyTorch usando Python.

El método tensor.view() se utiliza para cambiar el tensor en un formato bidimensional, es decir, filas y columnas. Tenemos que especificar el número de filas y el número de columnas para obtener resultados. A continuación se muestra la sintaxis del siguiente método.

Sintaxis : tensor.view (forma)

Parámetro:

• Forma: no_of_rows, no_of_columns

Devuelve: un nuevo tensor con los mismos datos que el tensor propio pero con una forma diferente.

Ejemplo 1

En este ejemplo, estamos creando un tensor de 10 elementos con la ayuda de FloatTensor de una dimensión y cambiando el tensor en un formato bidimensional de 5 filas y 2 columnas y viceversa.

# importing torch module
import torch
  
# create one dimensional tensor
# 10 elements
a = torch.FloatTensor([10, 20, 30, 40, 50,
                       1, 2, 3, 4, 5])
  
# view tensor in 5 rows and 2
# columns
print(a.view(5, 2))
  
# view tensor in 2 rows and 5
# columns
print(a.view(2, 5))

Producción:

tensor([[10., 20.],
        [30., 40.],
        [50.,  1.],
        [ 2.,  3.],
        [ 4.,  5.]])
        
tensor([[10., 20., 30., 40., 50.],
        [ 1.,  2.,  3.,  4.,  5.]])

Ejemplo 2

En este ejemplo, estamos creando un tensor de 10 elementos con la ayuda de torch.arange de unidimensional, y cambiando el tensor en un formato bidimensional de 4 filas y 3 columnas y viceversa.

# importing torch module
import torch
  
# create one dimensional tensor
# 12 elements
a = torch.arange(1, 13)
  
# view tensor in 4 rows and 3 columns
print(a.view(4, 3))
  
# view tensor in 3 rows and 4 columns
print(a.view(3, 4))

Producción:

tensor([[ 1,  2,  3],
        [ 4,  5,  6],
        [ 7,  8,  9],
        [10, 11, 12]])
        
tensor([[ 1,  2,  3,  4],
        [ 5,  6,  7,  8],
        [ 9, 10, 11, 12]])

Ejemplo 3

En este ejemplo, estamos creando un tensor de 10 elementos con la ayuda de torch.range de una dimensión, y cambiando el tensor en un formato bidimensional de 4 filas y 3 columnas y viceversa.

# importing torch module
import torch
  
# create one dimensional tensor 
# 12 elements
a = torch.range(10, 21)
  
# view tensor in 4 rows and 3 columns
print(a.view(4, 3))
  
# view tensor in 3 rows and 4 columns
print(a.view(3, 4))

Producción:

tensor([[10., 11., 12.],
        [13., 14., 15.],
        [16., 17., 18.],
        [19., 20., 21.]])
        
tensor([[10., 11., 12., 13.],
        [14., 15., 16., 17.],
        [18., 19., 20., 21.]])