关于torch.unsqueeze与torch.squeeze

已于 2022-04-21 09:14:49 修改
阅读量184 收藏
点赞数
文章标签： python pytorch
于 2022-04-20 19:56:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/m0_63664949/article/details/124305400
版权

torch内置的unsqueeze方法是增加1的维度,squeeze和unsqueeze相反，是删除数据中1的维度，当指定数据时，删除指定位置的1的维度，当不指定参数时，删除数据中所有1的维度，具体操作如下：​​​​​​​

a =torch.ones(3,3)
b = torch.unsqueeze(a,1)#第二个参数指定在哪一个维度增加1
#b.shape为([3,1,3])
c = b.squeeze()
c.shape
#结果为([3,3])

除了squeeze和unsqueeze之外，还有另一种方法可以增加或删除维度，即利用[None]的形式，具体操作如下，当然也可以指定在某一维度中添加。使用这种方法如果想删除维度可以采用切片的方式将其取出，也可以使用squeeze方法。

a = torch.ones(3,3)
b = a[None]
#b的shape变为[1,3,3]
c = a[:,None,None]
#c的shape变为[3,3,1,1]

【终于有人搞懂了】详解 torch.unsqueeze() 和 torch.squeeze()
风口IT猪的成长录
10-04 8331
详解 torch.unsqueeze 和 torch.squeeze1. 入门测试2. 深入研究2.1 torch.unsqueeze 详解2.2 unsqueeze_和 unsqueeze 的区别2.3 torch.squeeze 详解 1. 入门测试 torch.squeeze(input, dim = None, out = None): 返回一个tensor 当dim不设值时，去掉输入的tensor的所有维度为1的维度; 当dim为某一整数（0<=dim<input.dim()）时，
【Pytorch】torch.squeeze和torch.unsqueeze函数
Ejemplarr的博客
03-29 1932
【Pytorch】torch.squeeze和torch.unsqueeze torch.squeeze（input， int） 返回一个张量，其可以在原来的input的shape基础之上，压缩维度，比如输入的input的shape为torch.Size([31, 1, 8])，调用torch.squeeze(input, 1)，意思就是将原来的input的第二列**（0，1，2三列）**“删除”，返回的tensor的shape为 torch.Size([31, 8]) 注意点 int的范围：假设原来sh
torch.unsqueeze与torch.squeeze
qq_52852138的博客
01-18 1182
unsqueeze 扩充数据维度，在从0开始的指定位置上增加一维（维度为1） x = torch.rand(2,3) y = torch.unsqueeze(x, 1) y = torch.unsqueeze(y, 0) print(x.shape) print(y.shape) >>torch.Size([2, 3]) >>torch.Size([1, 2, 1, 3]) squeeze 维度压缩，在从0开始的指定位置上，去掉维数为1的的维度 若不指定参数，删除所有为 1 的
【pytorch】torch.unsqueeze() 、torch.squeeze()
Drug discovery
06-13 2万+
目录 1. torch.unsqueeze 详解 2.unsqueeze_和unsqueeze的区别 3. torch.squeeze 详解 1. torch.unsqueeze 详解 torch.unsqueeze(input, dim, out=None) 作用：扩展维度 返回一个新的张量，对输入的既定位置插入维度 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 (...
【Pytorch基础(2)】张量的索引，切片与维度变换
lingchen1906的博客
01-19 3344
举例如下：[2, 3, 32, 32] + [3,1,1] 是不能直接相加的。Broadcast机制会先将 [3,1,1] 增加新维度变为 [1, 3, 1, 1] (等价于unsqueeze()方法)，然后再将 [1, 3, 1, 1]扩展维度为 [2, 3, 32, 32] (等价于expand()方法)从某种程度上说，
pytorch基础:torch.unsqueeze()
weixin_44769639的博客
12-21 398
pytorch unsqueeze()
torch.unsqueeze()函数理解
weixin_53142585的博客
02-12 4475
touch.unsqueeze()函数起到升维的作用，dim等于几表示在第几维度加一，比如原来x的size=([4])，x.unsqueeze(0)之后就变成了size=([1, 4])，而x.unsqueeze(1)之后就变成了size=([4, 1])，注意dim∈[-input.dim() - 1, input.dim() + 1]
python中np.squeeze()、torch.squeeze()、torch.unsqueeze()、torch.expand()函数解析
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
12-28 708
场景：在机器学习和深度学习中，通常算法的结果是可以表示向量的数组（即包含两对或以上的方括号形式[[]]），如果直接利用这个数组进行画图可能显示界面为空（见后面的示例）。场景：在机器学习和深度学习中，通常算法的结果是可以表示向量的数组（即包含两对或以上的方括号形式[[]]），如果直接利用这个数组进行画图可能显示界面为空（见后面的示例）。秩等于1的矩阵是一类特殊的矩阵，它一定可以表示为一个非零列向量(列矩阵)与一个非零行向量(行矩阵)的乘积.根据矩阵乘法的结合律这类矩阵的乘法和方幂运算可以大大简化;
torch.squeeze()、torch.unsqueeze()、torch.randn()、torch.nn.Linear()、torch.Tensor.expand_as
weixin_42623382的博客
04-10 1047
torch.squeeze()、torch.unsqueeze()、torch.randn()、torch.nn.Linear() 1、torch.squeeze() torch.squeeze(input, dim=None, out=None) input (Tensor) ，input为输入的tensor dim (int, optional) ，dimension，只对输入tensor的...
pytorch中的torch.squeeze和torch.unsqueeze
zly_Always_be的博客
02-21 754
pytorch中的torch.squeeze和torch.unsqueeze
torch.squeeze()和torch.unsqueeze()
qq_43561603的博客
03-05 140
torch.squeeze()和torch.unsqueeze()
ValueError：expected sequence of length 10 at dim 1 (got 1)
热门推荐
aioku的博客
10-29 3万+
在数据预处理创建mini batch时，因为以下代码导致出错： ValueError：expected sequence of length 10 at dim 1 (got 1) inout_seq.append((train_seq, train_label)) return torch.FloatTensor(inout_seq) 原因是train_seq和 train_label 长度一不一样，一个有10个元素，另一个只有一个。 修改好的办法是， 在划分trainset, test
Transformer数据预处理(Tokenizer)的问题
Mark_Australia的博客
03-15 3264
transformer中预处理问题
pytorch-unsqueeze用法
shou_po_lan的博客
10-11 2899
本文链接：https://blog.csdn.net/qq_29007291/article/details/84887218 tensor.unsqueeze 为tenor添加维度 a = torch.rand((1, 3, 5), dtype=torch.float32) print("a shape is ", a.size()) b = a.unsqueeze(-1) # 负1表示...
PyTorch的基础使用
小红鱼的博客
01-02 527
基本数据类型 torch.FloatTensor torch.ByteTensor torch.IntTensor torchl.cuda.FloatTensor 利用函数 a.type()：返回数据类型 type(a)：python自带的数据类型检验，只能返回torch.Tensor，不能提供额外的信息 isinstance()：数据类型的检验 ...
Pytorch常用的函数(一)torch.squeeze()和torch.unsqueeze()、torch.cat()和torch.stack()函数功能及使用
qq_44665283的博客
06-05 6630
torch.squeeze()和torch.unsqueeze()、torch.cat()和torch.stack()函数功能及使用
Pytorch squeeze() unsqueeze() 用法
百般回首曾经的相遇，留下的只是一缕残忆
07-26 3725
Pytorch squeeze() unsqueeze() 用法
torch.squeeze、 numpy.squeeze()详解
you 是 mine
01-05 791
如果不传位置，则删除所有大小为1的维度。 例如，如果输入的形状为：（A×1×B×C×1×D）则输出张量的形状为（A×B×C×D） 传入位置，若矩阵的相应位置的维度为1，则删除，其他维度不变；若不为1，则不变。 总结：只能维度为1时，才能降低相应位置维度torch示例： numpy版： 从ndarray的shape中，去掉维度为1的。默认去掉所有的1。注意：只能去掉shape中的1，其他数字的维度无法去除。当传入的轴对应维度不为1时，np会报错，报错如下： 但是torch中不会报错，会返回原数据，见上面示例。
torch .unsqueeze
最新发布
03-25
### PyTorch `unsqueeze` 方法的使用说明 #### 定义与功能 `torch.unsqueeze(input, dim)` 是 PyTorch 提供的一个函数，用于向输入张量（tensor）指定位置增加一个新的维度。新增加的维度大小为 1[^1]。 #### 参数解释 - **input**: 输入的张量。 - **dim**: 新增维度的位置索引。可以是负数，表示从倒数方向计数。 #### 返回值 返回一个具有新维度的张量副本，原张量不会被修改[^4]。 --- #### 示例代码 ##### 示例 1：在第 0 维度添加新的维度 ```python import torch # 创建一个形状为 (3, 5) 的随机张量 x = torch.rand(3, 5) print("原始张量形状:", x.shape) # 输出: torch.Size([3, 5]) # 在第 0 维度插入新维度 y = torch.unsqueeze(x, 0) print("插入新维度后的张量形状:", y.shape) # 输出: torch.Size([1, 3, 5]) ``` 上述代码展示了如何通过 `unsqueeze` 将原本二维的张量扩展到三维。 --- ##### 示例 2：在不同维度上应用 `unsqueeze` ```python # 原始张量形状为 (3, 4) z = torch.randn(3, 4) # 插入新维度至第 1 维度 w = z.unsqueeze(1) print(w.shape) # 输出: torch.Size([3, 1, 4]) # 插入新维度至最后一维（等效于 -1） v = z.unsqueeze(-1) print(v.shape) # 输出: torch.Size([3, 4, 1]) ``` 此示例演示了可以在任意维度上插入新轴的操作[^3]。 --- #### 结合其他操作的应用场景 当需要调整张量形状以便与其他张量广播或配合某些层结构时，`unsqueeze` 非常有用。例如，在自然语言处理领域中，可能需要用它来匹配模型输入的要求： ```python mask = torch.tensor([[True, False], [False, True]]) # 形状为 (2, 2) N = 3 # 添加新维度并扩展形状 expanded_mask = mask.unsqueeze(1).expand(-1, N, -1, -1) print(expanded_mask.shape) # 输出: torch.Size([2, 3, 2, 2]) ``` 这里先用 `unsqueeze` 扩展了一个维度，再利用 `expand` 进一步改变形状[^2]。 --- #### 注意事项 1. 如果尝试在一个已经存在的非单一维度处插入新轴，会引发错误。 2. 调整维度顺序通常可以通过 `permute()` 或者类似的重排列方法实现，而不仅仅是依赖 `unsqueeze` 和 `squeeze`。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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