torch.squeeze() 和torch.unsqueeze()的用法,给tensor删除或者添加维度为1的维度(squeeze和unsqueeze)
import torch x = torch.randn(3,1,4,1,2) a = x.squeeze(dim=1) # 成员函数删除第二维度 print(a.shape) b = torch.squeeze(x, dim=1) # torch自带函数删除第二维度 print(b.shape) c = torch.squeeze(x, dim=3) # 删除第三维度 print(c.shape) d = torch.squeeze(x) # 若不标注删除第几维度,则会删除所有为1的维度 print(d.shape)
输出:
torch.Size([3, 4, 1, 2])
torch.Size([3, 4, 1, 2])
torch.Size([3, 1, 4, 2])
torch.Size([3, 4, 2])
注意:squeeze()函数只能删除维度为1的维度,若不为1,该操作无效,但不会报错
b = torch.unsqueeze(a, dim=1) print(b.shape)
输出为:
torch.Size([3, 1, 4, 1, 2])
在pytorch中, 用自带的torch.unsqueeze()和tensor的成员函数unsqueeze()可以为tensor添加维度为1的维度
e = torch.unsqueeze(x, dim=0) # 在第一维度添加维度 print(e.shape) f = x.unsqueeze(dim=0) print(f.shape)
输出:
torch.Size([1, 3, 1, 4, 1, 2])
torch.Size([1, 3, 1, 4, 1, 2])
先看torch.squeeze() 这个函数主要对数据的维度进行压缩,去掉维数为1的的维度,比如是一行或者一列这种,一个一行三列(1,3)的数去掉第一个维数为一的维度之后就变成(3)行。squeeze(a)就是将a中所有为1的维度删掉。不为1的维度没有影响。a.squeeze(N) 就是去掉a中指定的维数为一的维度。还有一种形式就是b=torch.squeeze(a,N) a中去掉指定的定的维数为一的维度。
再看torch.unsqueeze()这个函数主要是对数据维度进行扩充。给指定位置加上维数为一的维度,比如原本有个三行的数据(3),在0的位置加了一维就变成一行三列(1,3)。a.squeeze(N) 就是在a中指定位置N加上一个维数为1的维度。还有一种形式就是b=torch.squeeze(a,N) a就是在a中指定位置N加上一个维数为1的维度