在 PyTorch 中，**张量 (Tensor)** 是最基本的数据结构，用于表示多维数组。张量的维度定义非常直观，通常我们用形状 (`shape`) 来描述张量的具体大小和布局。以下是关于张量维度的一些关键点： --- ### **1. 张量的基本维度规则** - **标量**: 如果是一个单独的数字，则称为标量，可以看作是零维张量。 - **向量**: 如果只有一个轴（如 `[4]`），则称其为一维张量（即向量）。 - **矩阵**: 如果有两个轴（如 `[3, 4]`），则是二维张量（即矩阵）。 - **高阶张量**: 对于三维及以上的情况，比如 `[batch_size, height, width]` 或者 `[batch_size, channels, height, width]` 等，就属于更高维度的张量。 #### 示例说明： ```python import torch # 创建一个标量(0D) scalar = torch.tensor(5) # shape: [] # 创建一个向量(1D) vector = torch.tensor([1, 2, 3]) # shape: [3] # 创建一个矩阵(2D) matrix = torch.tensor([[1, 2], # shape: [2, 2] [3, 4]]) # 创建一个立方体(3D) cube = torch.rand(2, 3, 4) # shape: [2, 3, 4] ``` --- ### **2. 常见的维度约定** 在深度学习中，输入数据的维度通常会包含以下含义： - `N`: 表示批量大小 (**Batch Size**) ，指一次前向传播处理多少样本。 - `C`: 表示通道数 (**Channels**) ，例如图片有 RGB 三个颜色通道。 - `H`, `W`: 分别代表高度 (**Height**) 和宽度 (**Width**) 的尺寸信息。 对于图像分类任务而言，输入张量通常是四维形式：`(N, C, H, W)` 。如果是视频帧序列或其他高级场景下还可以扩展至五维甚至更高的情况。 #### 示例代码展示： ```python # 定义一批彩色图像数据(batch size=4, channel=3 for RGB, image size=64x64) images = torch.randn(4, 3, 64, 64) print(images.shape) # 输出: torch.Size([4, 3, 64, 64]) ``` --- ### **3. 动态调整维度** 通过一些操作可以改变现有张量的维度或顺序，常用的函数包括： - `.view()`: 更改当前张量视图而不复制底层存储空间。（注意保持元素总数一致） - `.reshape()`: 类似 view(),但更安全当无法保证连续内存块时候不会报错. - `.permute()`: 变换各维度的位置. #### 示例演示： ```python tensor_3d = torch.arange(12).view(2, 2, 3) # 初始形状[2, 2, 3] reshaped_tensor = tensor_3d.reshape(-1, 3) # 展平部分维度 -> 形状变为[4, 3] transposed_tensor = reshaped_tensor.permute(1, 0) # 转置后 -> 形状变成[3, 4] ``` --- 总结起来，在 PyTorch 中理解并掌握如何定义以及变换张量的维度是非常重要的基础技能。熟练运用相关技巧有助于简化后续复杂的模型搭建流程并且提升程序运行效率。 --- ###