mindspore.Tensor.view

mindspore.Tensor.view(*shape) → Tensor

根据输入shape重新创建一个tensor，与原tensor数据相同。

参数：

• shape (Union[tuple(int), int]) - 输出tensor的维度。

返回：

Tensor，具有与入参 shape 相同的维度。

样例：

>>> from mindspore import Tensor
>>> import numpy as np
>>> a = Tensor(np.array([[1, 2, 3], [2, 3, 4]], dtype=np.float32))
>>> output = a.view((3, 2))
>>> print(output)
[[1. 2.]
 [3. 2.]
 [3. 4.]]

mindspore.Tensor.view(dtype) → Tensor

返回一个与原tensor数据相同但数据类型不同的新tensor。

说明

• 如果 dtype 的元素大小不同于原tensor数据类型的元素大小，则原tensor必须同时满足以下条件：

  • 原tensor的shape不能为空，这意味着原tensor不能是一个标量tensor。

  • 原tensor的最后一个步幅必须为 1 。

• 如果 dtype 的元素大小大于原tensor数据类型的元素大小，则原tensor还必须满足以下条件：

  • 原tensor的最后一个维度必须能被 dtype 的元素大小与原tensor的数据类型的元素大小之比整除。

  • 原tensor的内存偏移量必须能被 dtype 的元素大小与原tensor的数据类型的元素大小之比整除。

  • 除最后一个维度外，所有维度的步幅必须能被 dtype 的元素大小与原tensor的数据类型的元素大小之比整除。

• 仅支持PyNative模式。

参数：

• dtype (mindspore.dtype) - 指定的返回tensor的数据类型。

返回：

Tensor，其数据与原tensor的数据相同，且数据类型为指定的数据类型。

样例：

>>> import mindspore as ms
>>> import numpy as np
>>> a = ms.Tensor(np.array([[1, 2], [3, 4]]), dtype=ms.int64)
>>> output = a.view(ms.int32)
>>> print(output)
[[1 0 2 0]
 [3 0 4 0]]