Pytorch中torch.unsqueeze()与torch.squeeze()函数详细解析

目录

• 一. torch.squeeze()函数解析
• 1. 官网链接
• 2. torch.squeeze()函数解析
• 3. 代码举例
• 3.1 输入size=(2, 1, 2, 1, 2)的张量
• 3.2 把x中维度大小为1的所有维都已删除
• 3.3 把x中第一维删除，但是第一维大小为2，不为1，因此结果删除不掉
• 3.4 把x中第二维删除，因为第二维大小是1，因此可以删掉
• 3.5 把编程客栈x中最后一维删除，但是最后一维大小为2，不为1，因此结果删除不掉
• 二.torch.unsqueeze()函数解析
• 1. 官网链接
• 2. torch.unsqueeze()函数解析
• 3. 代码举例
• 总结

一. torch.squeeze()函数解析

1. 官网链接

torch.squeeze()，如下图所示：

2. torch.squeeze()函数解析

torch.squeeze(input, dim=None, out=None) 

squeeze()函数的功能是维度压缩。返回一个tensor（张量），其中 input 中维度大小为1的所有维都已删除。

举个例子：如果 input 的形状为 (A×1×B×C×1×D)，那么返回的tensor的形状则为 (A×B×C×D)

当给定 dim 时，那么只在给定的维度（dimension）上进行压缩操作，注意给定的维度大小必须是1，否则不能进行压缩。

举个例python子：如果 input 的形状为 (A×1×B)，squeeze(input, dim=0)后，返回的tensor不变，因为第0维的大小为A，不是1；squeeze(input, 1)后，返回的tensor将被压缩为 (A×B)。

3. 代码举例

3.1 输入size=(2, 1, 2, 1, 2)的张量

x = torch.randn(size=(2, 1, 2, 1, 2))
x.shape

输出结果如下：

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

3.2 把x中维度大小为1的所有维都已删除

y = torch.squeeze(x)#表示把x中维度大小为1的所有维都已删除
y.shape

输出结果如下：

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

3.3 把x中第一维删除，但是第一维大小为2，不为1，因此结果删除不掉

y =GSAOWkugk torch.squeeze(x,0)#表示把x中第一维删除，但是第一维大小为2，不为1，因此结果删除不掉
y.shape

输出结果如下：

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

3.4 把x中第二维删除，因为第二维大小是1，因此可以删掉

y = torch.squeeze(x,1)#表示把x中第二维删除，因为第二维大小是1，因此可以删掉
y.shape

输出结果如下：

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

3.5 把x中最后一维删除，但是最后一维大小为2，不为1，因此结果删除不掉

y = torch.squeeze(x,dim=-1)#表示把x中最后一维删除，但是最后一维大小为2，不为1，因此结果删除不掉
y.shape

输出结果如下：

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

二.torch.unsqueeze()函数解析

1. 官网链接

torch.unsqueeze()，如下图所示：

2. torch.uns开发者_C培训queeze()函数解析

torch.unsqueeze(input, dim) → Tensor

unsqueeze()函数起升维的作用,参数dim表示在哪个地方加一个维度，注意dim范围在:[-input.dim() - 1, input.dim() + 1]之间，比如输入input是一维，则dim=0时数据为行方向扩，dim=1时为列方编程客栈向扩，再大错误。

3. 代码举例

3.1 输入一维张量，在第0维(行)扩展，第0维大小为1

x = torch.tensor([1, 2, 3, 4])
y = torch.unsqueeze(x, 0)#在第0维扩展，第0维大小为1
y,y.shape

输出结果如下：

(tensor([[1, 2, 3, 4]]), torch.Size([1, 4]))

3.2 在第1维(列)扩展，第1维大小为1

y = torch.unsqueeze(x, 1)#在第1维扩展，第1维大小为1
y,y.shape

输出结果如下：

(tensor([[1],

         [2],

         [3],

         [4]]),

 torch.Size([4, 1]))

3.3 在第最后一维（也就是倒数第一维进行）扩展，最后一维大小为1

y = torch.unsqueeze(x, -1)#在第最后一维扩展，最后一维大小为1
y,y.shape

输出结果如下：

(tensor([[1],

         [2],

         [3],

         [4]]),

 torch.Size([4, 1]))

总结

到此这篇关于Pytorch中torch.unsqueeze()与torch.squeeze()函数的文章就介绍到这了,更多相关Pytorch torch.unsqueeze()与torch.squeeze()函数内容请搜索我们以前的文GSAOWkugk章或继续浏览下面的相关文章希望大家以后多多支持我们！