pytorch函数

squeeze() 和 unsqueeze()函数
torch.squeeze(A，N)
torch.unsqueeze()函数的作用减少数组A指定位置N的维度，如果不指定位置参数N，如果数组A的维度为（1，1，3）那么执行 torch.squeeze(A，1) 后A的维度变为 （1，3），中间的维度被删除

点击查看代码

注：
1. 如果指定的维度大于1，那么将操作无效
2. 如果不指定维度N，那么将删除所有维度为1的维度

torch.unsqueeze(A，N)
torch.unsqueeze()函数的作用增加数组A指定位置N的维度，例如两行三列的数组A维度为(2，3)，那么这个数组就有三个位置可以增加维度，分别是（ [位置0] 2，[位置1] 3 [位置2] ）或者是 （ [位置-3] 2，[位置-2] 3 [位置-1] ），如果执行 torch.unsqueeze(A，1)，数据的维度就变为了 （2，1，3）

scatter(output, dim, index, src) → Tensor

总结：scatter函数就是把src数组中的数据重新分配到output数组当中，index数组中表示了要把src数组中的数据分配到output数组中的位置，若未指定，则填充0.

scatter

import torch
 
input = torch.randn(2, 4)
print(input)
output = torch.zeros(2, 5)
index = torch.tensor([[3, 1, 2, 0], [1, 2, 0, 3]])
output = output.scatter(1, index, input)
print(output)


tensor([[ 1.4782, -1.1345, -1.1457, -0.6050],
        [-0.4183, -0.0229,  1.2361, -1.7747]])
tensor([[-0.6050, -1.1345, -1.1457,  1.4782,  0.0000],
        [ 1.2361, -0.4183, -0.0229, -1.7747,  0.0000]])

一般scatter用于生成onehot向量，如下所示：

index = torch.tensor([[1], [2], [0], [3]])
onehot = torch.zeros(4, 4)
onehot.scatter_(1, index, 1)
print(onehot)

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