torch中squeeze() 和unsqueeze() 的作用

torch.squeeze

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

将输入张量形状中的1 去除并返回。 如果输入是形如(A×1×B×1×C×1×D),那么输出形状就为: (A×B×C×D)

当给定dim时,那么挤压操作只在给定维度上。例如,输入形状为: (A×1×B), squeeze(input, 0) 将会保持张量不变,只有用 squeeze(input, 1),形状会变成 (A×B)。

注意: 返回张量与输入张量共享内存,所以改变其中一个的内容会改变另一个。

参数:

  • input (Tensor) – 输入张量
  • dim (int, optional) – 如果给定,则input只会在给定维度挤压
  • out (Tensor, optional) – 输出张量

例子:

>>> x = torch.zeros(2,1,2,1,2)
>>> x.size()
(2L, 1L, 2L, 1L, 2L)
>>> y = torch.squeeze(x)
>>> y.size()
(2L, 2L, 2L)
>>> y = torch.squeeze(x, 0)
>>> y.size()
(2L, 1L, 2L, 1L, 2L)
>>> y = torch.squeeze(x, 1)
>>> y.size()
(2L, 2L, 1L, 2L)

 

torch.unsqueeze

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

返回一个新的张量,对输入的制定位置插入维度 1

注意: 返回张量与输入张量共享内存,所以改变其中一个的内容会改变另一个。

如果dim为负,则将会被转化dim+input.dim()+1

参数:

  • tensor (Tensor) – 输入张量
  • dim (int) – 插入维度的索引
  • out (Tensor, optional) – 结果张量
>>> x = torch.Tensor([1, 2, 3, 4])
>>> torch.unsqueeze(x, 0)
 1  2  3  4
[torch.FloatTensor of size 1x4]
>>> torch.unsqueeze(x, 1)
 1
 2
 3
 4
[torch.FloatTensor of size 4x1]
### PyTorch 中 Tensor 的 `squeeze`、`reshape` `unsqueeze` 函数详解 #### 1. `torch.squeeze()` 函数 `squeeze()` 函数用于移除张量中尺寸为 1 的维度。如果指定了某个特定的维度,则仅当该维度大小为 1 时才会被移除;如果没有指定任何维度参数,则会自动移除所有尺寸为 1 的维度。 - **语法**: ```python torch.squeeze(input, dim=None) ``` - **功能说明**: - 如果不提供 `dim` 参数,那么所有尺寸为 1 的维度都会被删除。 - 如果提供了 `dim` 参数,只有这个维度上的大小为 1 才会被删除,其他情况下不会有任何改变。 - **示例代码**: ```python import torch a = torch.tensor([[[[1], [2], [3]]]]) print("原始张量:", a) print("原始形状:", a.shape) # 输出: (1, 3, 1) b = torch.squeeze(a) print("经过 squeeze 后的张量:", b) print("经过 squeeze 后的形状:", b.shape) # 输出: (3,) c = torch.squeeze(a, dim=0) print("沿第 0 维度挤压后的张量:", c) print("沿第 0 维度挤压后的形状:", c.shape) # 输出: (3, 1) ``` --- #### 2. `torch.unsqueeze()` 函数 `unsqueeze()` 函数的作用是在指定位置增加一个新的维度,新维度的大小默认为 1。 - **语法**: ```python torch.unsqueeze(input, dim) ``` - **功能说明**: - 新增的维度由 `dim` 参数决定。 - 增加的新维度可以位于任意位置(前、中间或后)。 - **示例代码**: ```python d = torch.tensor([1, 2, 3]) print("原始张量:", d) print("原始形状:", d.shape) # 输出: (3,) e = torch.unsqueeze(d, dim=0) print("新增第 0 维度后的张量:", e) print("新增第 0 维度后的形状:", e.shape) # 输出: (1, 3) f = torch.unsqueeze(d, dim=1) print("新增第 1 维度后的张量:", f) print("新增第 1 维度后的形状:", f.shape) # 输出: (3, 1) ``` --- #### 3. `torch.reshape()` 函数 `reshape()` 函数允许重新定义张量的形状,只要满足总元素数量不变即可。 - **语法**: ```python input.reshape(shape) ``` - **功能说明**: - 可以通过 `-1` 自动推导某一个维度的大小。 - 不同于 `.view()` 方法,`.reshape()` 支持跨内存布局的操作,因此即使原张量不是连续存储也可以成功调用。 - **示例代码**: ```python g = torch.arange(6) print("原始张量:", g) print("原始形状:", g.shape) # 输出: (6,) h = g.reshape(2, 3) print("重塑后的张量:", h) print("重塑后的形状:", h.shape) # 输出: (2, 3) i = g.reshape(-1, 2) print("使用 -1 推导后的张量:", i) print("使用 -1 推导后的形状:", i.shape) # 输出: (3, 2) ``` --- ### 总结对比 | 功能 | 描述 | |--------------|----------------------------------------------------------------------------------------| | `squeeze()` | 移除尺寸为 1 的维度[^1] | | `unsqueeze()`| 在指定位置插入新的维度,其大小固定为 1[^5] | | `reshape()` | 更改张量的整体结构,前提是保持总的元素数目一致[^3] | 上述三个函数均适用于调整张量的维度,在实际应用中可以根据需求灵活组合它们来完成复杂的矩阵变换操作。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值