torch.Tensor.resize_

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

Изменяет размер self тензора на указанный размер. Если количество элементов больше, чем текущий размер хранилища, то базовое хранилище изменяется для соответствия новому количеству элементов. Если количество элементов меньше, базовое хранилище не изменяется. Существующие элементы сохраняются, но любая новая память не инициализируется.

Предупреждение

Это метод низкого уровня. Хранилище переинтерпретируется как C-непрерывное, игнорируя текущие шаги (если целевой размер равен текущему размеру, в этом случае тензор остается неизменным). Для большинства целей вы захотите использовать view(), который проверяет непрерывность, или reshape(), который копирует данные при необходимости. Чтобы изменить размер на месте с пользовательскими шагами, см. set_().

Примечание

Если torch.use_deterministic_algorithms() установлено в True, новые элементы инициализируются для предотвращения недетерминированного поведения при использовании результата в качестве входных данных для операции. Значения с плавающей запятой и комплексные значения устанавливаются в NaN, а целочисленные значения устанавливаются в максимальное значение.

Параметры

• sizes (torch.Size или int...) – желаемый размер
• memory_format (torch.memory_format, необязательно) – желаемый формат памяти Tensor. По умолчанию: torch.contiguous_format. Обратите внимание, что формат памяти self не будет затронут, 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]])