Redimensionar, View, Squeeze e Unsqueeze
Altere as dimensões sem copiar os dados
Redimensionar, View, Squeeze e Unsqueeze é uma aula grátis de Deep Learning Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Deep Learning Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Deep Learning Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
Same Data, Different Shape
Often the numbers are right but the layout is wrong. Reshaping rearranges a tensor's dimensions without changing the values inside.
reshape Picks a New Layout
Call reshape with the dimensions you want. The total number of elements must stay the same.
x = torch.arange(6)
y = x.reshape(2, 3)
print(y.shape) # torch.Size([2, 3])Let -1 Infer a Dimension
Pass -1 for one dimension and PyTorch computes it for you from the total count. Handy when you only know the rest.
x = torch.arange(6)
y = x.reshape(-1, 2)
print(y.shape) # torch.Size([3, 2])view Shares the Same Memory
view reshapes without copying, so it is fast. It needs the data to be laid out contiguously in memory.
x = torch.arange(6)
y = x.view(3, 2)
print(y.shape) # torch.Size([3, 2])reshape Is the Safer Default
When in doubt, reach for reshape. It works even on non-contiguous tensors by copying only if it must.
Squeeze Removes Size-1 Dims
squeeze strips out any dimension of length 1. It cleans up shapes like (1, 5) down to a simple (5).
x = torch.zeros(1, 5)
y = x.squeeze()
print(y.shape) # torch.Size([5])Squeeze a Specific Dimension
Give squeeze an index to remove only that dimension. Safer when other size-1 dims should stay put.
x = torch.zeros(1, 5, 1)
y = x.squeeze(0)
print(y.shape) # torch.Size([5, 1])Unsqueeze Adds a Dimension
unsqueeze inserts a new size-1 dimension at the position you choose. It is the exact opposite of squeeze.
x = torch.tensor([1, 2, 3])
y = x.unsqueeze(0)
print(y.shape) # torch.Size([1, 3])Why You Add a Batch Dimension
Models expect a batch dimension up front. unsqueeze(0) turns one sample into a batch of one so the model accepts it.
sample = torch.randn(3)
batch = sample.unsqueeze(0)
print(batch.shape) # torch.Size([1, 3])Flatten Down to One Line
flatten collapses every dimension into a single long vector. It is common right before a final linear layer.
x = torch.zeros(2, 3)
y = x.flatten()
print(y.shape) # torch.Size([6])Element Count Never Changes
Every reshape trick keeps the same total number of values. If the counts don't match, PyTorch raises a shape error.
Quick Check
Let's see if you can predict the shape changes.
Recap: Reshape, View, Squeeze & Unsqueeze
You can now bend tensors into any layout: reshape for flexibility, view for speed, and squeeze or unsqueeze to drop and add dimensions. 🔧
Perguntas Frequentes
A aula “Redimensionar, View, Squeeze e Unsqueeze” é grátis?
Sim — o texto completo de “Redimensionar, View, Squeeze e Unsqueeze” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Deep Learning Academy, atualize para CoddyKit PRO. O curso de Deep Learning Academy inclui 4 aulas no total.
O que vou aprender em “Redimensionar, View, Squeeze e Unsqueeze”?
Altere as dimensões sem copiar os dados Você pratica Deep Learning Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Deep Learning Academy?
Nenhuma experiência prévia é necessária. Deep Learning Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.
Quanto tempo leva a aula “Redimensionar, View, Squeeze e Unsqueeze”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Deep Learning Academy?
Sim. Cada aula de Deep Learning Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Formas, Tipos de Dados e Indexação
- Redimensionar, View, Squeeze e Unsqueeze
- Regras de Broadcasting que Economizam Loops
- Tensores Conversam com NumPy