快捷導(dǎo)航

PyTorch中的squeeze()和unsqueeze()解析與應(yīng)用案例

更新時間：2022年03月16日 09:44:31 作者：易烊千蟈

這篇文章主要介紹了PyTorch中的squeeze()和unsqueeze()解析與應(yīng)用案例，文章內(nèi)容介紹詳細(xì)，需要的小伙伴可以參考一下，希望對你有所幫助

1.torch.squeeze

squeeze的用法主要就是對數(shù)據(jù)的維度進(jìn)行壓縮或者解壓。

先看torch.squeeze() 這個函數(shù)主要對數(shù)據(jù)的維度進(jìn)行壓縮，去掉維數(shù)為1的的維度，比如是一行或者一列這種，一個一行三列(1,3)的數(shù)去掉第一個維數(shù)為一的維度之后就變成(3)行。squeeze(a)就是將a中所有為1的維度刪掉。不為1的維度沒有影響。a.squeeze(N) 就是去掉a中指定的維數(shù)為一的維度。還有一種形式就是b=torch.squeeze(a，N) a中去掉指定的定的維數(shù)為一的維度。

換言之：

表示若第arg維的維度值為1，則去掉該維度，否則tensor不變。（即若tensor.shape()[arg] == 1，則去掉該維度)

例如：

一個維度為2x1x2x1x2的tensor，不用去想它長什么樣兒，squeeze(0)就是不變，squeeze(1)就是變成2x2x1x2。（0是從最左邊的維度算起的）

>>> x = torch.zeros(2, 1, 2, 1, 2)
>>> x.size()
torch.Size([2, 1, 2, 1, 2])
>>> y = torch.squeeze(x)
>>> y.size()
torch.Size([2, 2, 2])
>>> y = torch.squeeze(x, 0)
>>> y.size()
torch.Size([2, 1, 2, 1, 2])
>>> y = torch.squeeze(x, 1)
>>> y.size()
torch.Size([2, 2, 1, 2])

2.torch.unsqueeze

torch.unsqueeze()這個函數(shù)主要是對數(shù)據(jù)維度進(jìn)行擴(kuò)充。給指定位置加上維數(shù)為一的維度，比如原本有個三行的數(shù)據(jù)（3），在0的位置加了一維就變成一行三列（1,3）。a.squeeze(N) 就是在a中指定位置N加上一個維數(shù)為1的維度。還有一種形式就是b=torch.squeeze(a，N) a就是在a中指定位置N加上一個維數(shù)為1的維度。

>>> x = torch.tensor([1, 2, 3, 4])
>>> torch.unsqueeze(x, 0)
tensor([[ 1, ?2, ?3, ?4]])
>>> torch.unsqueeze(x, 1)
tensor([[ 1],
? ? ? ? [ 2],
? ? ? ? [ 3],
? ? ? ? [ 4]])

3.例子

給一個使用上述兩個函數(shù)，并進(jìn)行一次卷積的例子：

from torchvision.transforms import ?ToTensor
import torch as t
from torch import nnimport cv2
import numpy as np
import cv2
to_tensor = ToTensor()
# 加載圖像
lena = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)
cv2.imshow('lena', lena)
# input = to_tensor(lena) 將ndarray轉(zhuǎn)換為tensor，自動將[0,255]歸一化至[0,1]。
input = to_tensor(lena).unsqueeze(0)
# 初始化卷積參數(shù)
kernel = t.ones(1, 1, 3, 3)/-9
kernel[:, :, 1, 1] = 1
conv = nn.Conv2d(1, 1, 3, 1, padding=1, bias=False)
conv.weight.data = kernel.view(1, 1, 3, 3)
# 輸出
out = conv(input)
out = out.squeeze(0)
print(out.shape)
out = out.unsqueeze(3)
print(out.shape)
out = out.squeeze(0)
print(out.shape)
out = out.detach().numpy()# 縮放到0~最大值
cv2.normalize(out, out, 1.0, 0, cv2.NORM_INF)
cv2.imshow("lena-result", out)
cv2.waitKey()

結(jié)果圖如下：

到此這篇關(guān)于PyTorch中的squeeze()和unsqueeze()解析與應(yīng)用案例的文章就介紹到這了,更多相關(guān)squeeze()和unsqueeze()解析內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！