torch.sequeeze 和 torch.unsequeeze 的用法

最新推荐文章于 2024-02-01 14:21:45 发布

原创最新推荐文章于 2024-02-01 14:21:45 发布 · 1.3k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #pytorch #python

Pytorch学习专栏收录该内容

1 篇文章

订阅专栏

本文介绍了PyTorch中用于处理张量维度的函数torch.squeeze和torch.unsqueeze。torch.squeeze用于删除大小为1的维度，而torch.unsqueeze则在指定位置增加一个大小为1的新维度。文中通过示例展示了如何使用这两个函数来调整张量的维度结构。

PyTorch 2.5

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

torch.sequeeze

对维度进行压缩，以下为示例：

import torch

a = torch.zeros(2, 6, 1, 3, 1)  # torch.Size([2, 6, 1, 3, 1])

# 对维度进行压缩
# a.squeeze(N) 若第 N 维的维度为 1，删除; 不为 1, 保留。
a_1 = a.squeeze(2)
print(a_1.shape)  # torch.Size([2, 6, 3, 1])
a_2 = a.squeeze(1)
print(a_2.shape)  # torch.Size([2, 6, 1, 3, 1])

# torch.squeeze(a,N) 与上面用法一致。
a_3 = torch.squeeze(a, 4)
print(a_3.shape)  # torch.Size([2, 6, 1, 3])

# squeeze(a) 删除 a 中所有维度为1的维
a_4 = torch.squeeze(a)
print(a_4.shape)  # torch.Size([2, 6, 3])

torch.unsequeeze

对维度进行扩充，以下为示例：

import torch
# 对维度进行扩充
b = torch.zeros(3, 2)

# b.unsqueeze(N) 在第 N 维加上唯数为 1 的维度
b_1 = b.unsqueeze(0)
print(b_1.shape)  # torch.Size([1, 3, 2])
# torch.squeeze(a,N)
b_2 = torch.unsqueeze(b, 0)
print(b_2.shape)  # torch.Size([1, 3, 2])

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理