本文主要介绍了tensor.squeeze函数和tensor.unsqueeze函数的使用详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

tensor.squeeze() 和 tensor.unsqueeze() 是 PyTorch 中用于改变 tensor 形状的两个函数，它们的作用如下：

• tensor.squeeze(dim=None, *, out=None) : 压缩 tensor 中尺寸为 1 的维度，并返回新的 tensor。可以指定要压缩的维度（默认为所有尺寸为 1 的维度均压缩）。

• tensor.unsqueeze(dim, *, out=None) : 在指定的位置插入一个新维度，并返回新的 tensor。dim 参数表示新插入的维度在哪个位置（从 0 开始），可以是负数，表示倒数第几个维度。

• squeeze 是压缩维度，unsqueeze是增加维度.

下面给出例子来说明它们的使用。

tensor.squeeze()

import torch
  
# 创建一个形状为 (1, 3, 1, 2) 的 tensor
x = torch.randn(1, 3, 1, 2)
print(x.shape)  # torch.Size([1, 3, 1, 2])
  
# 压缩尺寸为 1 的维度
y = x.squeeze()
print(y.shape)  # torch.Size([3, 2])
  
# 指定要压缩的维度
y = x.squeeze(dim=0)
print(y.shape)  # torch.Size([3, 1, 2])

在上面的例子中，我们创建了一个形状为 (1, 3, 1, 2) 的 tensor，然后使用 squeeze() 函数压缩了尺寸为 1 的维度。在第二个 squeeze() 调用中，我们指定了要压缩的维度为 0，也就是第一个维度，因此第一个维度的大小被压缩为 1，变成了形状为 (3, 1, 2) 的 tensor。

tensor.unsqueeze()

import torch
  # 创建一个形状为 (3, 2) 的 tensor
x = torch.randn(3, 2)
print(x.shape)  # torch.Size([3, 2])
  # 在维度 0 上插入新维度
y = x.unsqueeze(dim=0)
print(y.shape)  # torch.Size([1, 3, 2])
  # 在维度 1 上插入新维度
y = x.unsqueeze(dim=1)
print(y.shape)  # torch.Size([3, 1, 2])
  # 在倒数第二个维度上插入新维度
y = x.unsqueeze(dim=-2)
print(y.shape)  # torch.Size([3, 1, 2])

在上面的例子中，我们创建了一个形状为 (3, 2) 的 tensor，然后使用 unsqueeze() 函数在不同的位置插入了新维度。在第一个 unsqueeze() 调用中，我们在维度 0 上插入了新维度，因此新的 tensor 形状为 (1, 3, 2)。在第二个和第三个 unsqueeze() 调用中，我们分别在维度 1 和倒数第二个维度上插入了新维度，分别得到了形状为 (3, 1, 2) 和 (3, 2, 1) 的 tensor。

到此这篇关于tensor.squeeze函数和tensor.unsqueeze函数的使用详解的文章就介绍到这了