快捷導(dǎo)航

淺析對(duì)torch.unsqueeze()函數(shù)理解

更新時(shí)間：2024年06月24日 10:56:17 作者：路過不知道

torch.unsqueeze()函數(shù)起到升維的作用,dim等于幾表示在第幾維度加一,這篇文章主要介紹了對(duì)torch.unsqueeze()函數(shù)理解深度解析,感興趣的朋友跟隨小編一起看看吧

torch.unsqueeze()函數(shù)理解

torch.unsqueeze(input, dim)  使用時(shí)等同于  input.unsqueeze(dim)

torch.unsqueeze()函數(shù)起到升維的作用，dim等于幾表示在第幾維度加一，比如原來x的size=([4])，x.unsqueeze(0)之后就變成了size=([1, 4])，而x.unsqueeze(1)之后就變成了size=([4, 1])，注意dim∈[-input.dim() - 1, input.dim() + 1]
例如

輸入一維張量，即input.dim()=1

# 輸入：
x = torch.tensor([1, 2, 3, 4])  # x.dim()=1
print(x)
print(x.shape)
y = x.unsqueeze(0)
print(y)
print(y.shape)  # 此時(shí)y.dim()=2
z = x.unsqueeze(1)
print(z)
print(z.shape)  # 此時(shí)z.dim()=2

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

輸入二維張量，即input.dim()=2

# 輸入：
x = torch.tensor([[1, 2, 3], [4, 5, 6]])  # x.dim()=2
print(x)
print(x.shape)
y = x.unsqueeze(0)
print(y)
print(y.shape)  # 此時(shí)y.dim()=3
z = x.unsqueeze(1)
print(z)
print(z.shape)  # 此時(shí)z.dim()=3

# 輸出：
tensor([[1, 2, 3],
        [4, 5, 6]])
torch.Size([2, 3])
tensor([[[1, 2, 3],
         [4, 5, 6]]])
torch.Size([1, 2, 3])
tensor([[[1, 2, 3]],
        [[4, 5, 6]]])
torch.Size([2, 1, 3])

輸入四維張量，即input.dim()=4

# 輸入：
x = torch.tensor([[[[1, 2, 3], 
                    [4, 5, 6]],
                [[0, 2, 1], 
                 [1, 5, 2]]],
                [[[1, 2, 3], 
                  [4, 5, 6]],
                [[0, 2, 1], 
                 [1, 5, 2]]]])
print(x)
print(x.shape)
y2 = x.unsqueeze(2)
print(y2)
print(y2.shape)
y3 = x.unsqueeze(3)
print(y3)
print(y3.shape)

# 輸出：
tensor([[[[1, 2, 3],
          [4, 5, 6]],
         [[0, 2, 1],
          [1, 5, 2]]],
        [[[1, 2, 3],
          [4, 5, 6]],
         [[0, 2, 1],
          [1, 5, 2]]]])
torch.Size([2, 2, 2, 3])
tensor([[[[[1, 2, 3],
           [4, 5, 6]]],
         [[[0, 2, 1],
           [1, 5, 2]]]],
        [[[[1, 2, 3],
           [4, 5, 6]]],
         [[[0, 2, 1],
           [1, 5, 2]]]]])
torch.Size([2, 2, 1, 2, 3])
tensor([[[[[1, 2, 3]],
          [[4, 5, 6]]],
         [[[0, 2, 1]],
          [[1, 5, 2]]]],
        [[[[1, 2, 3]],
          [[4, 5, 6]]],
         [[[0, 2, 1]],
          [[1, 5, 2]]]]])
torch.Size([2, 2, 2, 1, 3])

到此這篇關(guān)于torch.unsqueeze()函數(shù)理解的文章就介紹到這了,更多相關(guān)torch.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！

您可能感興趣的文章:

相關(guān)文章

pycharm自定義TODO類注釋以及高亮顏色的設(shè)置方法
這篇文章主要介紹了pycharm自定義TODO類注釋以及高亮顏色的設(shè)置方法,文中通過圖文結(jié)合的方式給大家介紹的非常詳細(xì),具有一定的參考價(jià)值,需要的朋友可以參考下
2024-03-03
布同統(tǒng)計(jì)英文單詞的個(gè)數(shù)的python代碼
最近需要翻譯英文文章，所以需要統(tǒng)計(jì)單詞個(gè)數(shù)。索性寫了一段代碼在此，可以簡(jiǎn)單的統(tǒng)計(jì)單詞的個(gè)數(shù)
2011-03-03
opencv+tesseract實(shí)現(xiàn)驗(yàn)證碼識(shí)別的示例
本文主要介紹了opencv+tesseract實(shí)現(xiàn)驗(yàn)證碼識(shí)別的示例，文中通過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一起學(xué)習(xí)學(xué)習(xí)吧
2022-06-06
Python讀取環(huán)境變量的方法和自定義類分享
這篇文章主要介紹了Python讀取環(huán)境變量的方法和自定義類分享,本文直接給出代碼實(shí)例,需要的朋友可以參考下
2014-11-11
python爬蟲實(shí)例詳解
這篇文章主要為大家詳細(xì)介紹了python爬蟲實(shí)例，包括爬蟲技術(shù)架構(gòu)，組成爬蟲的關(guān)鍵模塊，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2018-06-06
python中sample函數(shù)的介紹與使用
sample()函數(shù)常用來隨機(jī)獲取dataFrame中數(shù)據(jù),可以用于快速查看,下面這篇文章主要給大家介紹了關(guān)于python中sample函數(shù)的介紹與使用的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下
2022-09-09
python制作一個(gè)簡(jiǎn)單的gui 數(shù)據(jù)庫查詢界面
這篇文章主要介紹了python制作一個(gè)簡(jiǎn)單的gui 數(shù)據(jù)庫查詢界面，幫助大家更好的理解和學(xué)習(xí)python tkinter的使用，感興趣的朋友可以了解下
2020-11-11
基于Python爬取fofa網(wǎng)頁端數(shù)據(jù)過程解析
這篇文章主要介紹了基于Python爬取fofa網(wǎng)頁端數(shù)據(jù)過程解析,文中通過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
2020-07-07
Python中的functools partial詳解
這篇文章主要介紹了Python中functools partial詳解,本文通過示例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下
2023-01-01
python實(shí)現(xiàn)自動(dòng)獲取IP并發(fā)送到郵箱
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)自動(dòng)獲取IP并發(fā)到郵箱，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2018-12-12