1. unsqueeze(input, dim, out=None)函數(shù) - 升維作用

參考鏈接

在指定的地方上增加一個維度

0(-2) [行擴展]： 表示在張量最外層增加一個中括號變成第一維
1(-1) [列擴展]：表示

>>> input = torch.arange(0,6) >>> input tensor([0, 1, 2, 3, 4, 5]) >>> input.shape torch.Size([6])>>> print(input.unsqueeze(0)) tensor([[0, 1, 2, 3, 4, 5]]) >>> print(input.unsqueeze(0).shape) torch.Size([1, 6])>>> print(input.unsqueeze(1)) tensor([[0],[1],[2],[3],[4],[5]]) >>> print(input.unsqueeze(1).shape) torch.Size([6, 1])

2. squeeze(input，dim，out=None) 降維函數(shù)

將輸入張量形狀中的1 去除并返回。 如果輸入是形如(A×1×B×1×C×1×D)，那么輸出形狀就為： (A×B×C×D)

小例子

如果是一個列表的tensor例如x變量想要轉(zhuǎn)換成相同維度的tensor可以采用如下方式：
1）循環(huán)遍歷列表中每個張量s，先使用unsqueeze(0)將每個張量s升維。
形狀由torch.Size([3])變?yōu)閠orch.Size([1, 3])
【變化前：tensor([0, 1, 2]) 變化后：tensor([[0, 1, 2]])】

2）同時使用torch.cat()將其拼接起來 dim=0 表示橫向拼接，否則豎向拼接
dim = 0 結(jié)果：

tensor([[0, 1, 2],[1, 0, 2],[1, 2, 0],[2, 1, 0]])

dim = 1 結(jié)果:

tensor([[0, 1, 2, 1, 0, 2, 1, 2, 0, 2, 1, 0]]) >>> import torch >>> x = [torch.tensor([0,1,2]),torch.tensor([1,0,2]),torch.tensor([1,2,0]),torch.tensor([2,1,0]),] >>> x [tensor([0, 1, 2]), tensor([1, 0, 2]), tensor([1, 2, 0]), tensor([2, 1, 0])] >>> x = torch.cat([s.unsqueeze(0) for s in l],0) >>> x tensor([[0, 1, 2],[1, 0, 2],[1, 2, 0],[2, 1, 0]])

3. max()的用法

更加詳細參見我的另一篇文章：Pytorch學習-torch.max()和min()深度解析
non_final_next_states.max(1)[1].detach()
# 行維度 .max(1)[0] 返回values的最大值列表 .max(1)[1]返回最大值index列表
# 列維度 .max(0)[0] 返回values的最大值列表 .max(0)[1]返回最大值index列表

4. detach() 和detach_()

參考鏈接

torch.detach() - 返回一個新的沒有梯度的tensor [生成一個新的tensor]

返回一個新的tensor，從當前計算圖中分離下來的，但是仍指向原變量的存放位置,不同之處只是requires_grad為false，得到的這個tensor永遠不需要計算其梯度，不具有g(shù)rad。

即使之后重新將它的requires_grad置為true,它也不會具有梯度grad

torch.detach_() - 直接修改該tensor[對其本身的更改]，將其設置為無自動計算梯度的張量

將一個tensor從創(chuàng)建它的圖中分離，并把它設置成葉子tensor

5. torch.Tensor和torch.tensor的區(qū)別

參考

在Pytorch中，Tensor和tensor都用于生成新的張量。

torch.Tensor() 生成單精度浮點型張量

• torch.Tensor()是Python類，更明確的說，是默認張量類型torch.FloatTensor()的別名，torch.Tensor([1,2]) 會調(diào)用Tensor類的構(gòu)造函數(shù)__init__，生成單精度浮點類型的張量。

torch.tensor() 根據(jù)原始data生成對應類型的張量

torch.tensor()僅僅是Python的函數(shù)，函數(shù)原型是：

torch.tensor(data, dtype=None, device=None, requires_grad=False)

其中data可以是：list, tuple, array, scalar等類型。
torch.tensor()可以從data中的數(shù)據(jù)部分做拷貝（而不是直接引用），根據(jù)原始數(shù)據(jù)類型生成相應的torch.LongTensor，torch.FloatTensor，torch.DoubleTensor。

5.torch.cat() 的用法

參考鏈接

總結(jié)

以上是生活随笔為你收集整理的Pytorch学习- 小型知识点汇总 unsqueeze()/squeeze() 和 .max() 等等的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。