Introduction

import numpy as np
import torch

t = np.zeros((4,4,3)) # 0으로 채워진 4x4x3 numpy array 생성 
ft = torch.FloatTensor(t) # 텐서로 변환
print(ft.shape) # output : torch.Size([4, 4, 3])

View

# ft라는 텐서를 (?, 3)의 크기로 변경 => [16 , 3]
print(ft.view([-1, 3]).shape)

 # ft라는 텐서를 (?, 2, 3)의 크기로 변경 => [8, 2, 3]
print(ft.view([-1, 2, 3]).shape)

Reshape

r = np.zeros((5, 5, 10))
fr = torch.FloatTensor(r)
print(fr.shape)

print(fr.reshape(10, 5, 5).shape) #torch.Size([10, 5, 5])
print(fr.reshape(1, -1).shape) #torch.Size([1, 250])

• view() 와 reshape() 둘 다 tensor의 모양을 바꾸는데 사용됨

  • 위와 같은 2가지 예시에서는 결과가 동일함.

  • 그렇다면 차이는?

    • view는 contiguous 속성이 만족되지 않는 경우 일부 사용이 제한됨.
    • reshape는 contiguous 속성을 만족하지 않아도 됨.
    • contiguous가 뭔지 궁금하다면?

  • 차원 변환을 적용하려는 텐서의 상태에 대하여 정확하게 파악하기가 모호할 경우에는 view 대신 reshape을 사용할 것을 권장

    • 문제가 된다면, 아래와 같이 contiguous() 메소드를 호출하고 사용해도 무방하긴함.

    a.is_contiguous() # False
    
    # 텐서를 contiguous = True 상태로 변경
    a = a.contiguous()
    
    a.is_contiguous() # True