PyTorch相当于numpy重塑函数

如何解决PyTorch相当于numpy重塑函数

嗨，我拥有这些功能，可以将我的复杂类型数据展平以将其输入到NN并将NN预测重构为原始形式。

def flatten_input64(Input): #convert (:,4,2) complex matrix to (:,64) real vector
  Input1 = Input.reshape(-1,32,order='F')
  Input_vector=np.zeros([19957,64],dtype = np.float64)
  Input_vector[:,0:32] = Input1.real
  Input_vector[:,32:64] = Input1.imag
  return Input_vector

def convert_output64(Output): #convert (:,64) real vector to (:,2) complex matrix  
  Output1 = Output[:,0:32] + 1j * Output[:,32:64]
  output_matrix = Output1.reshape(-1,2,order = 'F')
  return output_matrix

我正在编写自定义损失，要求所有操作都必须进行割炬操作，我应该在PyTorch中重写转换函数。问题在于PyTorch没有“ F”顺序重塑。我试图编写自己的F重新排序版本，但是它不起作用。 你知道我的错误是什么吗？

def convert_output64_torch(input):
   # number_of_samples = defined
   for i in range(0,number_of_samples):
     Output1 = input[i,0:32] + 1j * input[i,32:64]
     Output2 = Output1.view(-1,2).permute(3,1,0)
   if i == 0:
     Output3 = Output2
   else:
     Output3 = torch.cat((Output3,Output2),0)
return Output3

更新：在@a_guest注释之后，我尝试通过转置和整形来重新创建矩阵，并且使此代码的工作方式与numy中的F次序整形相同。

def convert_output64_torch(input):
   Output1 = input[:,0:32] + 1j * input[:,32:64]
   shape = (-1,2)
   Output3 = torch.transpose(torch.transpose(torch.reshape(torch.transpose(Output1,1),shape[::-1]),2),3)
return Output3

解决方法

在Numpy和PyTorch中，都可以通过以下操作获得等效项：a.T.reshape(shape[::-1]).T（其中a是数组或张量）：

>>> a = np.arange(16).reshape(4,4)
>>> a
array([[ 0,1,2,3],[ 4,5,6,7],[ 8,9,10,11],[12,13,14,15]])
>>> shape = (2,8)
>>> a.reshape(shape,order='F')
array([[ 0,8,3,12,7,15]])
>>> a.T.reshape(shape[::-1]).T
array([[ 0,15]])