torch.Tensor.resize_

Tensor.resize_(*sizes, memory_format=torch.contiguous_format) → Tensor

Изменяет размер тензора self на указанный. Если число элементов превышает текущий размер хранилища, базовое хранилище увеличивается, чтобы вместить новое число элементов. Если число элементов меньше, базовое хранилище не изменяется. Существующие элементы сохраняются, но вся новая память не инициализируется.

Предупреждение

Это низкоуровневый метод. Хранилище интерпретируется как непрерывное в формате C, а текущие шаги игнорируются (если только целевой размер не совпадает с текущим — в этом случае тензор остается без изменений). В большинстве случаев вместо него следует использовать view(), который проверяет непрерывность, или reshape(), который при необходимости копирует данные. Чтобы изменить размер на месте с пользовательскими шагами, см. set_().

Примечание

Если torch.use_deterministic_algorithms() и torch.utils.deterministic.fill_uninitialized_memory установлены в True, новые элементы инициализируются, чтобы предотвратить недетерминированное поведение при использовании результата в качестве входных данных для операции. Значения с плавающей точкой и комплексные значения устанавливаются в NaN, а целочисленные значения — в максимальное значение.

Параметры:

• sizes (torch.Size или int...) – желаемый размер
• memory_format (torch.memory_format, необязательный) – желаемый формат памяти тензора. По умолчанию: torch.contiguous_format. Обратите внимание, что формат памяти self не изменится, если self.size() совпадает с sizes.

Пример:

>>> x = torch.tensor([[1, 2], [3, 4], [5, 6]])
>>> x.resize_(2, 2)
tensor([[ 1,  2],
        [ 3,  4]])