本文主要是介绍torch.reshape()的使用，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

torch.reshape()是如何操作的

问题背景：假设当我们的dataloader的batch_size设置为64。并且经过卷积（out_channels=6）之后，我们需要使用tensorboard可视化，而彩色图片的writer.add.images(output)的彩色图片是in_channels=3的。

那么则需要对卷积后的图片进行reshape

Torch.size(64,6,30,30)---->torch.size(-1,3,30,30)

-1的意思为最后自动计算其batch_size

输出通道就是有多少个卷积核，同一个卷积核得到的数据叠成一个通道，但由于减少了三个通道，从而每一个通道的数量增加。

因而结果为torch.size(128,3,30,30)

output = torch.reshape(output,(-1,3,30,30))#torch.size(64,6,30,30)--->(xxx,3,30,30)
    print(output.shape)#reshape结果：torch.Size([128, 3, 30, 30])

最后一组是原本dataloader设置为 

drop_last=False

这篇关于torch.reshape()的使用的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！