如何将2D张量重塑为1D？以及如何实现指定2D张量到目标张量的转换？

嘿，我来帮你搞定这两个PyTorch张量操作的问题，直接上干货：

在PyTorch里有几种简单高效的方式，按需选择就行：

• 用flatten()方法：最直观的方案，不管张量在内存中是否连续都能直接用，一步把所有维度压成1D：

  import torch
  # 示例2D张量
  two_d_tensor = torch.tensor([[1,2],[3,4],[5,6]])
  # 转成1D张量
  one_d_tensor = two_d_tensor.flatten()
  # 输出结果：tensor([1, 2, 3, 4, 5, 6])
  

• 用view()方法：如果你的张量在内存中是连续存储的，这个方法效率最高——它只是改变张量的视图，不会复制数据：

  one_d_tensor = two_d_tensor.view(-1)
  # 这里的-1表示让PyTorch自动计算该维度的大小
  

• 用reshape()方法：兼容性最强的方案，它会先判断张量是否连续，连续就用view()的逻辑，不连续就先整理成连续张量再重塑，不用担心报错：

  one_d_tensor = two_d_tensor.reshape(-1)
  

观察你的输入和输出，核心是把每一行的两个元素当作十位和个位组合成整数，再转成列向量格式。直接用张量的元素运算就能实现：

import torch
# 你的输入张量
input_tensor = torch.tensor([[0, 5], [1, 4], [2, 2], [4, 2], [7, 9], [2, 0]])

# 第一步：计算每行的组合数值：十位元素*10 + 个位元素
combined_values = input_tensor[:, 0] * 10 + input_tensor[:, 1]
# 第二步：增加一个维度，把1D张量转换成(6,1)的列向量格式
output_tensor = combined_values.unsqueeze(1)

print(output_tensor)
# 输出结果：tensor([[ 5],
#               [14],
#               [22],
#               [42],
#               [79],
#               [20]])

也可以把两步合并成一行代码：

output_tensor = (input_tensor[:, 0] * 10 + input_tensor[:, 1]).unsqueeze(1)

这里input_tensor[:, 0]是提取所有行的第一个元素（十位），乘10后加上第二个元素（个位）得到1D数值张量，再用unsqueeze(1)在列维度增加一个维度，就得到了你要的目标格式。

内容的提问来源于stack exchange，提问作者phoon