Torch 中的 setNumInputDims 应该做啥？

Posted 2023-03-12

【中文标题】Torch 中的 setNumInputDims 应该做啥？

【英文标题】：What is setNumInputDims in Torch supposed to be doing?Torch 中的 setNumInputDims 应该做什么？

【发布时间】：2017-08-05 08:28:53

【问题描述】：

 minibatch = torch.Tensor(5, 2, 3,5)
 m = nn.View(-1):setNumInputDims(1)

 m:forward(minibatch)

给出一个大小的张量

 30x5

 m = nn.View(-1):setNumInputDims(3)
 m:forward(minibatch)

给出一个大小的张量

 5 x 30

 m = nn.View(-1):setNumInputDims(2)
 m:forward(minibatch)

给出一个大小的张量

 10 x 15

发生了什么事？我不明白为什么我得到我现在的尺寸。 我认为我不理解它的原因是我认为 View m 期望 n dims 作为输入。因此，如果 n = 1，那么我们将 5 作为第一个暗淡，将 30 作为第二个暗淡，这似乎是当 numInputDims 设置为 2 时发生的情况。

【参考方案1】：

顾名思义，View(-1):setNumInputDims(n)就是设置View(-1)的输入维数。

要了解View(-1)的作用，请参考How view() method works for tensor in torch

如果有任何情况你不知道你想要多少行但确定列的数量，那么你可以将它称为 -1（你可以将它扩展到张量更多维度。只有一个轴值可以是-1）。这是一种告诉图书馆的方式；给我一个包含这么多列的张量，然后你计算出实现这一点所需的适当行数。

所以 View(-1) 将输入转换为二维矩阵。注意 View(-1) 对应于该矩阵的列。因此它的输入维度是完整输入的后半部分。它的维度数意味着为列“分配”了多少维度，并且这些维度之前的任何维度都用于行。

因此在您的示例中：

minibatch = torch.Tensor(5, 2, 3,5)
m = nn.View(-1):setNumInputDims(2)

它将最后两个维度 (3*5) 分配给列，将前两个维度 (5*2) 分配给行。结果张量为 10*15。