比方说，我们有一个B x C x W x H大小的张量（这对于成批图像来说很常见），我们想将其重整为B x M，其中M = C*W*H。是否有一种内置的方式来执行此操作而不显式提及B？
如果我们事先知道B，即使没有明确知道三个C,W,H中的任何一个，我们也可以这样做：
a = torch.randn(20,3,512,512)
b = a.reshape((20, -1)) #we can use -1 to infer the dimension `M`
但是我们还能在不知道B的情况下这样做吗？
（我知道我们显然可以使用B找到B = a.shape[0]，但我的问题是，是否可能不知道B也可以。）
答案 0 :(得分：0)
仅有的另一种方法是计算第二维，并使用-1作为第一维。
a = torch.randn(20,3,512,512)
print(a.shape)
b = a.reshape((20, -1))
print(b.shape)
b = a.reshape((-1, 786432)) # 3*512*512
print(b.shape)
torch.Size([20, 3, 512, 512])
torch.Size([20, 786432])
torch.Size([20, 786432])
因为整形时只能有一个-1。
答案 1 :(得分：0)
原则上，您可以通过简单地使用输入的一维来使它成为一个通用功能，可以处理任何批量大小，例如：
a = torch.randn(20, 3, 512, 512)
b = a.reshape((a.shape[0], -1))
您可以将其包装在函数中，并在必要时调用它。