tensor.squeeze函數(shù)和tensor.unsqueeze函數(shù)的使用詳解
tensor.squeeze() 和 tensor.unsqueeze() 是 PyTorch 中用于改變 tensor 形狀的兩個(gè)函數(shù)，它們的作用如下：
- tensor.squeeze(dim=None, *, out=None) : 壓縮 tensor 中尺寸為 1 的維度，并返回新的 tensor?？梢灾付ㄒ獕嚎s的維度（默認(rèn)為所有尺寸為 1 的維度均壓縮）。
- tensor.unsqueeze(dim, *, out=None) : 在指定的位置插入一個(gè)新維度，并返回新的 tensor。dim 參數(shù)表示新插入的維度在哪個(gè)位置（從 0 開(kāi)始），可以是負(fù)數(shù)，表示倒數(shù)第幾個(gè)維度。
- squeeze 是壓縮維度，unsqueeze是增加維度.
下面給出例子來(lái)說(shuō)明它們的使用。
tensor.squeeze()
import torch # 創(chuàng)建一個(gè)形狀為 (1, 3, 1, 2) 的 tensor x = torch.randn(1, 3, 1, 2) print(x.shape) # torch.Size([1, 3, 1, 2]) # 壓縮尺寸為 1 的維度 y = x.squeeze() print(y.shape) # torch.Size([3, 2]) # 指定要壓縮的維度 y = x.squeeze(dim=0) print(y.shape) # torch.Size([3, 1, 2])
在上面的例子中，我們創(chuàng)建了一個(gè)形狀為 (1, 3, 1, 2) 的 tensor，然后使用 squeeze() 函數(shù)壓縮了尺寸為 1 的維度。在第二個(gè) squeeze() 調(diào)用中，我們指定了要壓縮的維度為 0，也就是第一個(gè)維度，因此第一個(gè)維度的大小被壓縮為 1，變成了形狀為 (3, 1, 2) 的 tensor。
tensor.unsqueeze()
import torch # 創(chuàng)建一個(gè)形狀為 (3, 2) 的 tensor x = torch.randn(3, 2) print(x.shape) # torch.Size([3, 2]) # 在維度 0 上插入新維度 y = x.unsqueeze(dim=0) print(y.shape) # torch.Size([1, 3, 2]) # 在維度 1 上插入新維度 y = x.unsqueeze(dim=1) print(y.shape) # torch.Size([3, 1, 2]) # 在倒數(shù)第二個(gè)維度上插入新維度 y = x.unsqueeze(dim=-2) print(y.shape) # torch.Size([3, 1, 2])
在上面的例子中，我們創(chuàng)建了一個(gè)形狀為 (3, 2) 的 tensor，然后使用 unsqueeze() 函數(shù)在不同的位置插入了新維度。在第一個(gè) unsqueeze() 調(diào)用中，我們?cè)诰S度 0 上插入了新維度，因此新的 tensor 形狀為 (1, 3, 2)。在第二個(gè)和第三個(gè) unsqueeze() 調(diào)用中，我們分別在維度 1 和倒數(shù)第二個(gè)維度上插入了新維度，分別得到了形狀為 (3, 1, 2) 和 (3, 2, 1) 的 tensor。
到此這篇關(guān)于tensor.squeeze函數(shù)和tensor.unsqueeze函數(shù)的使用詳解的文章就介紹到這了,更多相關(guān)tensor.squeeze函數(shù)和tensor.unsqueeze函數(shù)內(nèi)容請(qǐng)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！
相關(guān)文章
這篇文章主要給大家介紹了關(guān)于Python numpy中矩陣的基本用法的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-02-02
python聚類算法解決方案（rest接口/mpp數(shù)據(jù)庫(kù)/json數(shù)據(jù)/下載圖片及數(shù)據(jù)）
這篇文章主要介紹了python聚類算法解決方案（rest接口/mpp數(shù)據(jù)庫(kù)/json數(shù)據(jù)/下載圖片及數(shù)據(jù)）,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08
今天給大家?guī)?lái)的是關(guān)于Python的相關(guān)知識(shí),文章圍繞著Python魔法方法展開(kāi),文中有非常詳細(xì)的介紹及代碼示例,需要的朋友可以參考下2021-06-06
這篇文章主要為大家詳細(xì)介紹了python相似模塊用例，感興趣的小伙伴們可以參考一下2016-03-03
python flask解析json數(shù)據(jù)不完整的解決方法
這篇文章主要介紹了python flask解析json數(shù)據(jù)不完整的解決方法，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2019-05-05
python實(shí)現(xiàn)FFT快速傅立葉變換算法案例
FFT（快速傅里葉變換）是計(jì)算DFT及其逆變換的一種算法,其基本思想是利用DFT的對(duì)稱性和周期性,通過(guò)分而治之的策略將DFT分解為更小的DFT,從而降低計(jì)算復(fù)雜度,FFT的算法步驟包括選擇分解、重新排序、蝶形運(yùn)算和逐層計(jì)算,在Python中2024-10-10
這篇文章主要介紹了python動(dòng)態(tài)加載變量示例,需要的朋友可以參考下2014-02-02
Python中的defaultdict與__missing__()使用介紹
下面這篇文章主要給大家介紹了關(guān)于Python中defaultdict使用的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧。2018-02-02
Python?Type?Hints?學(xué)習(xí)之從入門到實(shí)踐
Type?Hints（類型注解）進(jìn)一步強(qiáng)化了Python是一門強(qiáng)類型語(yǔ)言的特性，它在?Python3.5?中第一次被引入。使用Type?Hints可以讓我們編寫(xiě)出帶有類型的Python代碼，本文將詳細(xì)介紹一下Type?Hints，感興趣的小伙伴可以關(guān)注一下2021-11-11
用python寫(xiě)PDF轉(zhuǎn)換器的實(shí)現(xiàn)
這篇文章主要介紹了用python寫(xiě)PDF轉(zhuǎn)換器的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-10-10