Pytorch中用None增加Tensor维度

原创已于 2022-09-04 11:09:58 修改 · 870 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习 #python

于 2022-09-04 10:53:44 首次发布

深度学习&Pytorch 专栏收录该内容

10 篇文章

订阅专栏

本文介绍了如何使用PyTorch对一维和二维Tensor进行操作，包括在None位置增加维度、切片选取子集，展示了a.shape、b.shape和c.shape的变化。这些基本技巧对于理解张量操作在深度学习中的应用至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

作用：在None的位置上增加一个维度.

一行Tensor

import torch
x = torch.randint(4,(1, 4))
print(x)
a = x[None, :, :]
print(f'a.shape: {a.shape}')
b = x[:, None, :2]
print(b)
print(f'b.shape: {b.shape}')
c = x[:, None, 2:]
print(c)
print(f'c.shape: {c.shape}')
>>>
tensor([[0, 3, 2, 1]])
a.shape: torch.Size([1, 1, 4])
tensor([[[0, 3]]])
b.shape: torch.Size([1, 1, 2])
tensor([[[2, 1]]])
c.shape: torch.Size([1, 1, 2])

二维矩阵

import torch
x = torch.arange(12).reshape(3, 4)
print(x)
a = x[None, :, :]
print(f'a.shape: {a.shape}')
b = x[:, None, :2]
print(b)
print(f'b.shape: {b.shape}')
>>>
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]])
a.shape: torch.Size([1, 3, 4])
tensor([[[0, 1]],

        [[4, 5]],

        [[8, 9]]])
b.shape: torch.Size([3, 1, 2])