如何将PyTorch张量维度从(210,2)转换为(15,14,2)？

因为15×14=210，和原张量第一维度的元素总数完全匹配，所以可以直接使用PyTorch的view()或reshape()方法调整张量形状，两种方式都能实现需求，区别在于适用场景：

方法1：使用view() #

view()适用于连续存储的张量（可通过is_contiguous()方法检查），操作更高效：

import torch

# 创建示例(210, 2)张量
original_tensor = torch.randn(210, 2)

# 转换为(15,14,2)
reshaped_tensor = original_tensor.view(15, 14, 2)
print(reshaped_tensor.shape)  # 输出: torch.Size([15, 14, 2])

如果张量是非连续的，view()会报错，此时可先调用contiguous()再使用view()：

# 模拟非连续张量
non_contiguous_tensor = original_tensor.transpose(0, 1).transpose(0, 1)

# 先转为连续张量再调整形状
fixed_tensor = non_contiguous_tensor.contiguous().view(15, 14, 2)

方法2：使用reshape() #

reshape()更通用，会自动处理非连续张量的情况，内部会根据张量存储情况选择调用view()或先调整存储再重塑：

import torch

original_tensor = torch.randn(210, 2)

# 直接转换维度
reshaped_tensor = original_tensor.reshape(15, 14, 2)
print(reshaped_tensor.shape)  # 输出: torch.Size([15, 14, 2])

# 非连续张量也可直接处理
non_contiguous_tensor = original_tensor.transpose(0, 1).transpose(0, 1)
reshaped_non_contiguous = non_contiguous_tensor.reshape(15, 14, 2)

内容的提问来源于stack exchange，提问作者ryan chandra