pytorch中用None给Tensor增加维度

最新推荐文章于 2025-02-28 14:55:51 发布

ChinaZm

最新推荐文章于 2025-02-28 14:55:51 发布

阅读量2.4k

点赞数 3

文章标签： python pytorch 深度学习

本文链接：https://blog.youkuaiyun.com/ChinaZm/article/details/121564972

版权

在PyTorch的Tensor操作中，通过插入None，可以在特定位置增添新的维度，方便进行深度学习模型的数据处理。这种方法使得Tensor形状更加灵活，能够适应不同层次的输入需求。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Tensor中利用None来增加维度，可以简单的理解为在None的位置上增加一维：

x = torch.randint(1,4,(3,4))
print("x:",x)
print("size of x:",x.size())
y = x[:,None] #在第二维上增加一维，即将x中[3, 3, 1, 1]，[2, 1, 1, 3]，[1, 1, 1, 3]外面加一层[]
print("y:",y)
print("size of y:",y.size())
z = x[None,:,:] #等同于x[None,:]，x[None],即在x中第一维上增加一维，在x外面加一层[]
print("z:",z)
print("size of z:",z.size())
zz = x[None,None] #在x中第一维上增加2维，在x外面加一层[]之后在加一层
r = x[:,:,None] #在第三维上增加一维，即将[3, 3, 1, 1]，[2, 1, 1, 3]，[1, 1, 1, 3]中每一个元素加一层[]
print("r:",r)
print("size of r:",r.size())
u = x[:,:,None,None] #在[3, 3, 1, 1]，[2, 1, 1, 3]，[1, 1, 1, 3]中每一个元素加一层[]外面再加一层[]
print("u:",u)
print("size of u:",u.size())

##############################

o = torch.randint(1,4,(3,4,5))
print("o:",o)
i = o[:,None