torch.Tensor.resize_

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

將 self 張量的尺寸調整為指定的大小。如果元素數量大於目前的儲存大小，則底層儲存會調整大小以容納新的元素數量。如果元素數量較小，則底層儲存不會變更。現有的元素會被保留，但任何新的記憶體都將未初始化。

警告

這是一個底層方法。儲存會被重新解釋為 C-contiguous，忽略目前的 strides (除非目標大小等於目前大小，在這種情況下，張量會保持不變)。在大多數情況下，您會希望改用 view()，它會檢查 contiguity，或者 reshape()，它會在需要時複製資料。若要使用自定義 strides 進行原地大小變更，請參閱 set_()。

注意

如果 torch.use_deterministic_algorithms() 和 torch.utils.deterministic.fill_uninitialized_memory 都設定為 True，則新元素會被初始化，以防止因使用結果作為運算的輸入而產生的非確定性行為。浮點數和複數值會設定為 NaN，而整數值會設定為最大值。

參數

• sizes (torch.Size 或 int...) – 期望的大小

• memory_format (torch.memory_format, optional) – Tensor 期望的記憶體格式。預設值：torch.contiguous_format。請注意，如果 self.size() 與 sizes 相符，則 self 的記憶體格式將不受影響。

範例

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