• torch.squeeze()
  兩種用法：一種直接a.squeeze()；另一種torch.squeeze(a)
  • 這個函數主要對數據的維度進行壓縮，去掉維數為1的的維度，比如是一行或者一列這種，一個一行三列（1,3）的數去掉只有一個元素的維度之后就變成（3）行。squeeze(a)就是將a中所有為1的維度刪掉。不為1的維度沒有影響。a.squeeze(N) 就是去掉a中指定的維數為一的維度。還有一種形式就是b=torch.squeeze(a，N) a中去掉指定的定的維數為一的維度。

a = torch.ones(2,3) a Out[3]: tensor([[1., 1., 1.],[1., 1., 1.]]) a.dim() Out[5]: 2 torch.squeeze(a) # 沒有元素數量為1的維度，所以不變 Out[6]: tensor([[1., 1., 1.],[1., 1., 1.]]) torch.squeeze(a).size() Out[8]: torch.Size([2, 3]) a = torch.ones(1,3) a Out[10]: tensor([[1., 1., 1.]]) a = torch.squeeze(a) # 第0維度只有一個元素， a Out[14]: tensor([1., 1., 1.]) a.size() Out[16]: torch.Size([3]) # a.size()和a.shape效果一樣 a.shape Out[17]: torch.Size([3])

• torch.squeeze(input, dim = None, out = None) 返回一個tensor，當dim不設值時，去掉輸入的tensor的所有維度為1的維度; 當dim為某一整數（0<=dim<input.dim()）時，判斷dim維的維度是否為1，若是則去掉，否則不變。
  另外，當input是一維的時候，squeeze不變

>>> x = torch.zeros(1,1,2,1,3) >>> x.dim() 5 >>> torch.squeeze(x).size()#去掉dim=1的維度 torch.Size([2, 3]) >>> torch.squeeze(x,0).size() # dim=0表示第一維，且第一維的維度為1，所以去掉 torch.Size([1, 2, 1, 3]) >>> torch.squeeze(x,3).size() torch.Size([1, 1, 2, 3]) >>> torch.squeeze(x,2).size() # dim=2，第三維的維度為2!=1，所以不變 torch.Size([1, 1, 2, 1, 3])

• torch.unsqueeze()
  • torch.unqueeze(input, dim, out=None): 和squeeze作用相反，unsqueeze()在dim維插入一個維度為1的維，例如原來x是n×m維的，torch.unqueeze(x,0)這返回1×n×m的tensor
  • 這個函數主要是對數據維度進行擴充。給指定位置加上維數為一的維度，比如原本有個三行的數據（3），在0的位置加了一維就變成一行三列（1,3）。a.unsqueeze(N) 就是在a中N維處加上一個維數為1的維度。還有一種形式就是b=torch.unsqueeze(a，N) a就是在a中指定位置N加上一個維數為1的維度

# 輸入的shape為 [3,224,224] img_tensor.unsqueeze_(0) img_tensor.shape # torch.Size([1, 3, 224, 224]) a Out[15]: tensor([1., 1., 1.]) a.unsqueeze_(0) Out[18]: tensor([[1., 1., 1.]])

總結

以上是生活随笔為你收集整理的squeeze()和unsqueeze()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。