文章目錄

• 1 squeeze
• • 1.1
  • 1.2
  • 1.3 執行操作后需要寫回
• 2 unsqueeze

pytorch系列代碼中常見的兩個函數squeeze()和unsqueeze()

1 squeeze

1.1

import torch x=torch.randn(2,1,2) #生成一個維度是(2,1,2)的tensor向量 print(x.shape) #torch.Size([2, 1, 2]) x=x.squeeze() #參數為空，表示刪除tensor元素的所有維度為1的維度，這里的x只有第二個維度是1，所以執行該操作后，第二個維度會被刪除剩下：(2,2) print(x.shape) #torch.Size([2, 2]) x=x.squeeze() #沒有維度為1的維度了，所以x的維度保持原樣 print(x.shape) #torch.Size([2, 2])

1.2

import torch x=torch.randn(2,1,2) #生成一個維度是(2,1,2)的tensor向量 print(x.shape) #torch.Size([2, 1, 2]) x=x.squeeze(0) #參數為0，表示如果第0個維度是1維，則刪除第0個維度，這里的x只有第1個維度是1，所以執行該操作后，第0個維度不會被刪除，x元素的維度依然是(2,1,2) print(x.shape) #torch.Size([2, 1, 2]) x=x.squeeze(1) #參數為1，表示如果第1個維度是1維，則刪除第1個維度，所以執行該操作后，第1個維度會被刪除，x元素的維度變成是(2,2) print(x.shape) #torch.Size([2, 2])

1.3 執行操作后需要寫回

import torch x=torch.randn(2,1,2) #生成一個維度是(2,1,2)的tensor向量 print(x.shape) #torch.Size([2, 1, 2]) x.squeeze() #參數為空，表示刪除tensor元素的所有維度為1的維度，這里的x只有第二個維度是1，所以執行該操作后，第二個維度會被刪除剩下：(2,2)，但是！！！這里對x執行squeeze()操作的結果是返回的，并沒有寫入原數據空間x，即修改的內容沒有保存下來，需要執行x=x.squeeze()才可以 print(x.shape) #torch.Size([2, 1, 2])

2 unsqueeze

import torch y=torch.randn(2,1,2) print(y.shape) #torch.Size([2, 1, 2]) y=y.unsqueeze(0) #在第0維，增加一個維度是1的維度 print(y.shape) #torch.Size([1, 2, 1, 2])

總結

以上是生活随笔為你收集整理的【Pytorch】tensor类型数据.squeeze()和.unsqueeze()函数的简明教程（一看就会）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。