Pytorch tensor维度理解

三维:

import torch
from torch.autograd import Variable
##单位矩阵来模拟输入
input = torch.ones(1, 5, 5)
input = Variable(input)

输出:

tensor([[[1., 1., 1., 1., 1.],
         [1., 1., 1., 1., 1.],
         [1., 1., 1., 1., 1.],
         [1., 1., 1., 1., 1.],
         [1., 1., 1., 1., 1.]]])

调整括号得到如下形式:

[
    [
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.]
    ]
]

如上为三维向量, 即（1，5，5）是包含了1个5行5列的矩阵；第一个数字即指包含几个二维矩阵

四维:

input = torch.ones(1, 1, 5, 5)
input = Variable(input)

输出:

tensor([[[[1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.]]]])

调整括号得到如下形式:

[
    [
        [
            [1., 1., 1., 1., 1.],
            [1., 1., 1., 1., 1.],
            [1., 1., 1., 1., 1.],
            [1., 1., 1., 1., 1.],
            [1., 1., 1., 1., 1.]
        ]
    ]
]

如上为四维向量, 即(1, 1, 5, 5)是在三维的基础上增加了一维, 即一个四维向量

input1 = torch.ones(1, 2, 5, 5)
input1 = Variable(input1)

输出:

tensor([[[[1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.]],

         [[1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.]]]])

[
    [
        [
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.]
        ],

        [
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.],
          [1., 1., 1., 1., 1.]
        ]
    ]
]

如上为四维向量, 即(1, 2, 5, 5)是在三维的基础上增加了一维