squeeze和unsqueeze作用

最新推荐文章于 2025-06-30 10:32:15 发布

原创最新推荐文章于 2025-06-30 10:32:15 发布 · 561 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python #pytorch #squeeze #unsqueeze #维度

AI 专栏收录该内容

20 篇文章

订阅专栏

本文介绍如何使用squeeze和unsqueeze操作来调整张量的维度，以适应不同的运算需求。unsqueeze可在指定位置添加一个维度值为1，而squeeze则移除所有维度值为1的轴。

squeeze和unsqueeze作用

作用
示例

作用

改变张量的维度，便于进行运算。如果你当前的张量shape为三维，而需要四维才能参与运算，这时候就可以添加一个维度，维数为1。

示例

我们首先生成一个二维张量 b，接着生成三维张量 c，四维张量d，再缩回二维张量 e。
在这里插入图片描述

从例子中可以发现：

unsqueeze(xxx) 可以在第 xxx 维插入一个维度，维数为 1 。
squeeze() 可以把张量所有的维数为 1 的维度去掉。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Kester_

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

图解squeeze()和unsqueeze()函数

随缘分享

10-21

1万+

这篇文章是我对数组，张量的理解，以及对squeeze()和unsqueeze()函数功能的分析

squeeze和unsqueeze

weixin_47414034的博客

05-28

989

squeeze就是压缩（维度减少，降维） unsqueeze就是扩充（维度增加，升维）（1）降维 squeeze b=torch.IntTensor([ [[1,2,3],[4,5,6]] ] ) #b这个tensor就是[ [[1,2,3],[4,5,6]] ] #即列表[ ]中只有一个2*3的二维向量,所以三维是1，2，3 #如果列表[ ]中有三个2*3的二维向量，那么三维就是3，2，3 print(b.shape)#输出得到：torch.Size([1,2,3]) #b这个tensor

参与评论您还未登录，请先登录后发表或查看评论

unsqueeze()和squeeze()

Philo的博客

02-21

1538

`unsqueeze()` 函数是 PyTorch 中的一个张量操作函数，用于在指定位置添加一个新的维度。该函数的作用是在张量的指定位置插入一个新的维度，从而改变张量的形状。

squeeze与unsqueeze

weixin_43659035的博客

05-16

346

squeeze具体可见转载 squeeze的用法主要就是对数据的维度进行压缩或者解压。先看torch.squeeze() 这个函数主要对数据的维度进行压缩，去掉维数为1的的维度，比如是一行或者一列这种，一个一行三列（1,3）的数去掉第一个维数为一的维度之后就变成（3）行。squeeze(a)就是将a中所有为1的维度删掉。不为1的维度没有影响。a.squeeze(N) 就是去掉a中指定的维数为一...

pytorch中的squeeze和unsqueeze

约定的博客

05-19

748

squeeze：压缩，要减少维度。 unsqueeze：解压缩，要增加维度。 torch.squeeze(input)，那么会把input中所有维度长度为1的维度去掉。 torch.squeeze(input,dim=1)，那么在给定dim的情况下，就只去掉dim这个维度，其他维度还保留。 import torch x = torch.rand(5,3) x = x.squeeze(1) tensor([[0.0621, 0.2074, 0.5420], [0.5897, 0.3664, 0.4387],

torch中 squeeze 和 unsqueeze 的不同用法

weixin_43588171的博客

12-14

1143

如果维度是 1 ，那么，1 仅仅起到扩充维度的作用，而没有其他用途，因而，在进行降维操作时，为了加快计算，是可以去掉这些 1 的维度。在多维张量中，如果某一个维度是1，那么这个维度是为了扩充维度，所以为了加快计算，进行降维操作时可以去掉1的维度。不指定维度，则会将所有为1 的维度全部降维，保留不是1 的维度。. dim 选择需要降维的维度，默认是None。torch.unsqueeze 是为了升维。dim: 指定在某个维度进行升维。. input:输入的张量。input: 插入的张量。

秒懂pytorch中squeeze()和unsqueeze()函数

附子Jun的博客

11-18

1787

pytorch中squeeze()和unsqueeze()函数就我的理解，这两个函数其实是对tensor做的一个降维和升维的操作。之所以这样做，是为了矩阵运算的需要。需要将tensor的size变换得满足矩阵运算的要求。一、Squeeze() squeeze字面意思就是压缩，挤压。在pytorch中的理解就是，将一个高维的tenso降下来，降到低维。默认无参的话，表示将tensor中所有维度是1的都压缩掉。可以结合具体代码看一下： In： import torch a = torch

PyTorch常用函数 | squeeze与unsqueeze函数 | flatten函数 | Pytorch中的各种乘法 | mul与mv与mm与dot与matmul函数

liujiesxs的博客

09-19

1050

PyTorch常用函数

【pytorch】squeeze()和unsqueeze()函数介绍

ting的博客

06-14

756

在pytorch中，我们对张量Tensor的维度进行压缩或者扩充（被压缩或者扩充的维度为1），经常使用的是squeeze()函数和unsqueeze()函数。

squeeze()和unsqueeze()函数辨析

frank_haha的博客

04-24

1633

1.这两个函数只能作用在列表或类列表的数据结构 2. squeeze()函数该函数将某列表中，维度为1的维度删掉如果是用squeeze()，则无论原列表有多少个1维的维度，全部删掉 squeeze()括号中可以添加维度的序号，以此删掉特定的维度删掉了序号为2的那个维度有意思的是，如果传入的序号，对应的维度不等于1，则squeeze()函数不起效，如下： 3.unsqueeze()函数 unsqueeze()函数就是添加一个一维的维度，具体添加在哪里跟传入的参数有关。和squeeze()函

【学习笔记】pytorch中squeeze()和unsqueeze()函数介绍

最新发布

大多_C的博客

06-30

383

减少不必要的维度，让张量结构更简洁，方便后续计算。常用于模型输出、损失计算等环节，使数据结构匹配。如果有更多维度处理的问题，欢迎随时提问！

pytorch学习之---squeeze()和unsqueeze()函数功能及使用

guihaiyuan123的博客

01-31

6万+

首先这个squeeze单词啥意思： 1.squeeze(1)和squeeze(-1)作用：两者的效果一样，都是给张量tensor降维，但不是啥张量都可以用这两个函数来降维，它只能降维一种情况下张量的维度。就是我的张量tensor是一个n*1维度的张量，例如：张量[[1], [2], [3]]是一个3*1维的，调用这两个函数后效果如图：但是如果不是n*1的这种2维张量的话，如本就是1维的，或者m*n（其中m和n都是大于1的）这种的话，调用这个函数一点效果没有。 2.squeeze(0)

unsqueeze 和 squeeze 函数

m0_46571720的博客

05-19

542

squeeze(dimension) 函数相反，它会将指定维度上的维度为1的维度去除，返回一个新的张量。如果没有指定维度，则会将所有维度为1的维度都去除。在上面的例子中，unsqueeze(a, 1) 表示在第1维上添加一个新的维度，原始张量形状为[2, 3]，新的张量形状为 [2, 1, 3]。在上面的例子中，squeeze(a) 会将张量 a 中维度为1的维度去掉，返回一个形状为 [2, 3] 的新的张量。

unsqueeze

jacke121的专栏

09-16

3876

unsqueeze(0) 在外面增加一个维度

PyTorch维度操控：squeeze与unsqueeze详解

m0_68856746的博客

05-28

816

PyTorch中的squeeze()和unsqueeze()函数用于调整张量维度：squeeze()移除大小为1的维度，而unsqueeze()在指定位置添加大小为1的维度。这些操作常用于批处理数据准备、广播运算和神经网络输出处理等场景，如为单个图像添加批次维度（unsqueeze(0)）或移除多余的输出维度（squeeze()）。这两个函数是处理张量维度匹配问题的基本工具，在深度学习数据处理中具有重要作用。

unsqueeze，squeeze

君子不器

04-15

333

import torch import matplotlib.pyplot as plt a = torch.randn(2, 3) # 标准正态分布生成随机数 print("a:", a) print("a.shape:", a.shape) # torch.Size([2, 3]) # unsqueeze:扩充数据维度，在0起的指定位置N加上维数为一的维度 b = torch.unsq...