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

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 = 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.unsqueeze()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()函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！