torch.Tensor.resize_

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

將 self 張量的大小調整為指定的尺寸。如果元素數量大於當前儲存大小，則底層儲存將重新調整以適應新的元素數量。如果元素數量較小，底層儲存則不會改變。現有元素被保留，但任何新的記憶體都是未初始化的。

警告

這是一個底層方法。儲存被解釋為 C 連續，忽略了當前的步長（除非目標尺寸等於當前尺寸，在這種情況下張量保持不變）。對於大多數情況，您會希望改用 view()，它會檢查連續性，或者 reshape()，它在需要時會複製資料。要在原地使用自定義步長更改大小，請參閱 set_()。

注意

如果 torch.use_deterministic_algorithms() 和 torch.utils.deterministic.fill_uninitialized_memory 都設定為 True，則新的元素會被初始化，以防止使用結果作為操作輸入時出現不確定性行為。浮點數和複數被設定為 NaN，整數被設定為最大值。

引數

• sizes (torch.Size 或 int...) – 期望的尺寸

• memory_format (torch.memory_format, 可選) – 張量期望的記憶體格式。預設值：torch.contiguous_format。注意，如果 self.size() 與 sizes 匹配，self 的記憶體格式將不受影響。

示例

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