1.torch.size ()
       先说torch.size()函数，因为后面的方法都会用这个方法看到变换后的矩阵的维度。通过该方法，可以查看当前Tensor的维度，用法也很简单：

>>>import torch

>>>a = torch.Tensor([[[1, 2, 3], [4, 5, 6]]])

>>>a.size()

torch.Size([1, 2, 3])

2.torch.view()
官方文档中的解释：

       简单说，把原本的tensor尺寸，转变为你想要的尺寸，例如原尺寸为23，现在可以转为32或16等，但一定要保证等式成立，不能目标尺寸为33
此外，也可以设其中一个尺寸为-1，表示机器内部自己计算，但同时只能有一个为-1，用法如下：

>>> b=a.view(-1, 3, 2)

>>> b

tensor([[[1., 2.],

         [3., 4.],

         [5., 6.]]])

>>> b.size()

torch.Size([1, 3, 2])

3.torch.squeeze() / torch.unsqueeze()
       torch.squeeze(n)函数表示压缩tensor中第n维为1的维数，比如下面第一个，b.squeeze(2).size()，原始的b为上面的torch.Size([1, 3, 2])，第二维是2≠1，所以不压缩，尺寸保持不变；而若b.squeeze(0).size()，则发现第一维为1，因此压缩为3x2的tensor

>>> b.squeeze(2).size()

torch.Size([1, 3, 2])

>>> b.squeeze(0).size()

torch.Size([3, 2])

       相反的，torch.unsqueeze(n)则是在第n维增加一个维数=1，如下，表示在原始的b的第二维增加一维，则尺寸变为1 * 3 * 1 * 2

>>> b.unsqueeze(2).size()

torch.Size([1, 3, 1, 2])

>>> b.unsqueeze(2)

tensor([[[[1., 2.]],

         [[3., 4.]],

         [[5., 6.]]]])

4.torch.permute()
       这个函数表示，将原始的tensor，按照自己期望的位置重新排序，例如原始tensor的第0、1、2维分别是1、3、2，那么当我执行permute(2, 0, 1)，则将第三维放在最前，第一维放在中间，第二维放在最后，也就变成了2 * 1 * 3，注意这里表示的维数的index，而不是具体几维：

>>> b.permute(2, 0, 1).size()

torch.Size([2, 1, 3])

>>> b.permute(2, 0, 1)

tensor([[[1., 3., 5.]],

        [[2., 4., 6.]]])

【参考】

https://blog.csdn.net/u013700358/article/details/86301106
点滴分享，福泽你我！Add oil！