Python 如何将PyTorch张量变为具有不同维数的半尺寸和/或双尺寸？

我不熟悉Pytork和张量数据。我有一个关于转换张量形状的问题

我有两个问题

首先，如果我有一个具有

torch.Size（[8，512，16，16]）

的张量，并且我想将其更改为

torch.Size（[8，256，32，32]）

，它是原始张量的两倍，我该怎么办

其次，如果我有一个带有

torch.Size（[8，256，32，32]）

的张量，我想把它改成

torch.Size（[8，512，16，16]）

，它是原始张量的一半大小，我该怎么办

在第一个问题中，我尝试了

ZeroPadding2D（8）

函数，将其重塑为

torch.Size（[8，512，32，32]）

，但我不知道如何将第二个维度512改为256

第一个问题的实际用法是这样的

x=输入#火炬大小（[8,512,16,16]）
x=层（x）#火炬尺寸（[8，256，32，32]
x=x+input#我想做的是在将层传递到一起之前和之后添加张量值（如跳过连接）

我希望添加两个张量的输出会成功，但实际输出是关于维度大小不等的错误

• 对于第一种情况，请使用

  resize_389;（）

  将第二个维度从512更改为256，然后使用填充值和目标维度分配一个张量，并指定有数据的部分

  import torch
  
  target_output = torch.zeros(8, 256, 32, 32)
  
  in_tensor = torch.randn(8, 512, 16, 16)
  out_temp = in_tensor.resize_((8, 256, 16, 16))
  
  target_output[:, :, :16, :16] = out_temp
  print(target_output.shape)
  
  # output:
  # torch.Size([8, 256, 32, 32])
  

  您还可以使用

  torch.nn.ConstantPad2d（）

  ，然后使用

  resize（）

  ，如下所示：

  in_tensor = torch.randn(8, 512, 16, 16)
  m = nn.ConstantPad2d((8, 8, 8, 8), 0)
  out_tensor = m(in_tensor).resize_(8, 256, 16, 16)
  print(out_tensor.shape) 
  
  # output:
  # torch.Size([8, 256, 32, 32])
  

  in_tensor = torch.randn(8, 256, 32, 32)
  temp_tensor = torch.zeros(8, 512, 16, 16) # shape [8, 512, 16, 16]
  temp_tensor[:,:256,:,:].copy_(in_tensor[:,:,:16,:16]) # shape [8, 512, 16, 16]
  out_tensor = temp_tensor # shape [8, 512, 16, 16]
  

  或者，您也可以使用

  torch.nn.ConstantPad2d（）

  和

  copy（）

  如下所示：

  import torch.nn as nn
  in_tensor = torch.randn(8, 512, 16, 16)  # shape [8, 512, 16, 16]
  m = nn.ConstantPad2d((8, 8, 8, 8), 0) 
  temp = m(in_tensor)                      # shape [8, 512, 32, 32]
  out_tensor = torch.zeros(8, 256, 32, 32) # shape [8, 256, 32, 32]
  out_tensor = out_tensor[:,:,:,:].copy_(temp[:,:256,:,:]) # shape [8, 256, 32, 32]
  

  您可以从中阅读有关在pytorch中使用填充重塑张量的更多信息

• 对于第二种情况，您只需使用

  resize\uz（）

  将张量大小调整为原来的一半

  in_tensor = torch.randn(8, 256, 32, 32)
  out_tensor = in_tensor.resize_(8, 512, 16, 16)
  print(out_tensor.shape)
  
  # output:
  # torch.Size([8, 512, 16, 16])
  

  或者，您可以使用

  复制

  ，如下所示：

  in_tensor = torch.randn(8, 512, 16, 16)
  m = nn.ConstantPad2d((8, 8, 8, 8), 0)
  out_tensor = m(in_tensor).resize_(8, 256, 16, 16)
  print(out_tensor.shape) 
  
  # output:
  # torch.Size([8, 256, 32, 32])
  

  in_tensor = torch.randn(8, 256, 32, 32)
  temp_tensor = torch.zeros(8, 512, 16, 16) # shape [8, 512, 16, 16]
  temp_tensor[:,:256,:,:].copy_(in_tensor[:,:,:16,:16]) # shape [8, 512, 16, 16]
  out_tensor = temp_tensor # shape [8, 512, 16, 16]
  

  不使用

  复制（）

  ：

---

我使用了resize_u2;（）并得到了

RuntimeError:无法调整需要grad的变量的大小

然后我改用resize（），但仍然得到了另一个错误

RuntimeError:shape“[8，256，16，16]”对于大小为1048576的输入无效

然后尝试第三种方法，使用padding和copy_2;对不起，我还没有考虑你想调整变量的情况，有必要的GRADAD=真的。我的坏。我增加了其他的调整大小的方法。请试试。我试过了CopyTo（）。第一种情况似乎有效。我将尝试第二种情况并更新结果。谢谢。Conv2d可能是改变第二张量维度的另一种方法