一. torch.squeeze()函數解析

1. 官網鏈接

torch.squeeze()，如下圖所示：

2. torch.squeeze()函數解析

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

squeeze()函數的功能是維度壓縮。返回一個tensor（張量），其中 input 中維度大小為1的所有維都已刪除。

舉個例子：如果 input 的形狀為 (A×1×B×C×1×D)，那么返回的tensor的形狀則為 (A×B×C×D)

當給定 dim 時，那么只在給定的維度（dimension）上進行壓縮操作，注意給定的維度大小必須是1，否則不能進行壓縮。

舉個例子：如果 input 的形狀為 (A×1×B)，squeeze(input, dim=0)后，返回的tensor不變，因為第0維的大小為A，不是1；squeeze(input, 1)后，返回的tensor將被壓縮為 (A×B)。

3. 代碼舉例

3.1 輸入size=(2, 1, 2, 1, 2)的張量

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

輸出結果如下：
torch.Size([2, 1, 2, 1, 2])

3.2 把x中維度大小為1的所有維都已刪除

y = torch.squeeze(x)#表示把x中維度大小為1的所有維都已刪除
y.shape

輸出結果如下：
torch.Size([2, 2, 2])

3.3 把x中第一維刪除，但是第一維大小為2，不為1，因此結果刪除不掉

y = torch.squeeze(x,0)#表示把x中第一維刪除，但是第一維大小為2，不為1，因此結果刪除不掉
y.shape

輸出結果如下：
torch.Size([2, 1, 2, 1, 2])

3.4 把x中第二維刪除，因為第二維大小是1，因此可以刪掉

y = torch.squeeze(x,1)#表示把x中第二維刪除，因為第二維大小是1，因此可以刪掉
y.shape

輸出結果如下：
torch.Size([2, 2, 1, 2])

3.5 把x中最后一維刪除，但是最后一維大小為2，不為1，因此結果刪除不掉

y = torch.squeeze(x,dim=-1)#表示把x中最后一維刪除，但是最后一維大小為2，不為1，因此結果刪除不掉
y.shape

輸出結果如下：
torch.Size([2, 1, 2, 1, 2])

二.torch.unsqueeze()函數解析

1. 官網鏈接

torch.unsqueeze()，如下圖所示：

2. torch.unsqueeze()函數解析

torch.unsqueeze(input, dim) → Tensor

unsqueeze()函數起升維的作用,參數dim表示在哪個地方加一個維度，注意dim范圍在:[-input.dim() - 1, input.dim() + 1]之間，比如輸入input是一維，則dim=0時數據為行方向擴，dim=1時為列方向擴，再大錯誤。

3. 代碼舉例

3.1 輸入一維張量，在第0維(行)擴展，第0維大小為1

x = torch.tensor([1, 2, 3, 4])
y = torch.unsqueeze(x, 0)#在第0維擴展，第0維大小為1
y,y.shape

輸出結果如下：
(tensor([[1, 2, 3, 4]]), torch.Size([1, 4]))

3.2 在第1維(列)擴展，第1維大小為1

y = torch.unsqueeze(x, 1)#在第1維擴展，第1維大小為1
y,y.shape

輸出結果如下：
(tensor([[1],
         [2],
         [3],
         [4]]),
 torch.Size([4, 1]))

3.3 在第最后一維（也就是倒數第一維進行）擴展，最后一維大小為1

y = torch.unsqueeze(x, -1)#在第最后一維擴展，最后一維大小為1
y,y.shape

輸出結果如下：
(tensor([[1],
         [2],
         [3],
         [4]]),
 torch.Size([4, 1]))

總結

到此這篇關于Pytorch中torch.unsqueeze()與torch.squeeze()函數的文章就介紹到這了,更多相關Pytorch torch.unsqueeze()與torch.squeeze()函數內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論