如何对PyTorch张量进行跨步重塑：将(2,8)张量转为(4,4)张量

可以通过PyTorch的view、transpose和reshape组合操作实现，一行代码就能搞定：

import torch

x = torch.tensor([[0, 1, 2, 3, 4, 5, 6, 7],
                  [8, 9, 10, 11, 12, 13, 14, 15]])
y = x.view(2, 2, 2, 2).transpose(1, 2).reshape(4, 4)

操作拆解 #

1. view(2, 2, 2, 2)：把原始(2,8)的张量拆分为4维结构，维度含义为(行组, 块组, 块内行数, 块内列数)。这一步将每一行的8个元素分成2个(2,2)的小块，比如第一行的[0,1,2,3,4,5,6,7]会被拆成两个(2,2)块：[[0,1],[2,3]]和[[4,5],[6,7]]。
2. transpose(1, 2)：交换块组和块内行数两个维度，让同一行组内的小块按列方向拼接，这样第一行组的两个(2,2)块就变成了[[[0,1],[4,5]], [[2,3],[6,7]]]，正好对应目标张量的前两行结构。
3. reshape(4, 4)：把4维张量扁平化回2维，得到最终的(4,4)形状。

运行后y的输出完全符合需求：

tensor([[ 0,  1,  4,  5],
        [ 2,  3,  6,  7],
        [ 8,  9, 12, 13],
        [10, 11, 14, 15]])

内容的提问来源于stack exchange，提问作者marukosan