torch.unsqueeze和 torch.squeeze() 详解

1. torch.unsqueeze 详解

torch.unsqueeze(input, dim, out=None)

作用：扩展维度

返回一个新的张量，对输入的既定位置插入维度 1

注意： 返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。

如果dim为负，则将会被转化dim+input.dim()+1

参数:
tensor (Tensor) – 输入张量
dim (int) – 插入维度的索引
out (Tensor, optional) – 结果张量

A dim value within the range [-input.dim() - 1, input.dim() + 1) （左闭右开）can be used.

为何取值范围要如此设计呢？
原因：方便操作
0(-2)-行扩展
1(-1)-列扩展
正向：我们在0，1位置上扩展
逆向：我们在-2，-1位置上扩展
维度扩展：1维->2维，2维->3维，...，n维->n+1维
维度降低：n维->n-1维，n-1维->n-2维，...，2维->1维

以 1维->2维为例，

从【正向】的角度思考：

torch.Size([4])
最初的 tensor([1., 2., 3., 4.]) 是 1维，我们想让它扩展成 2维，那么，可以有两种扩展方式：

一种是：扩展成 1行4列，即 tensor([[1., 2., 3., 4.]])
针对第一种，扩展成 [1, 4]的形式，那么，在 dim=0 的位置上添加 1

另一种是：扩展成 4行1列，即
tensor([[1.],
[2.],
[3.],
[4.]])
针对第二种，扩展成 [4, 1]的形式，那么，在dim=1的位置上添加 1

从【逆向】的角度思考：
原则：一般情况下， "-1" 是代表的是【最后一个元素】
在上述的原则下，
扩展成[1, 4]的形式，就变成了，在 dim=-2 的的位置上添加 1
扩展成[4, 1]的形式，就变成了，在 dim=-1 的的位置上添加 1

torch.squeeze 详解

作用：降维

torch.squeeze(input, dim=None, out=None)

将输入张量形状中的1 去除并返回。如果输入是形如(A×1×B×1×C×1×D)，那么输出形状就为： (A×B×C×D)

当给定dim时，那么挤压操作只在给定维度上。例如，输入形状为: (A×1×B), squeeze(input, 0) 将会保持张量不变，只有用 squeeze(input, 1)，形状会变成 (A×B)。

注意：返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。
参数:
input (Tensor) – 输入张量
dim (int, optional) – 如果给定，则input只会在给定维度挤压
out (Tensor, optional) – 输出张量

为何只去掉 1 呢？

多维张量本质上就是一个变换，如果维度是 1 ，那么，1 仅仅起到扩充维度的作用，而没有其他用途，因而，在进行降维操作时，为了加快计算，是可以去掉这些 1 的维度。

参考资料：https://pytorch.org/docs/stable/generated/torch.squeeze.html?highlight=torch%20squeeze#torch.squeeze

https://zhuanlan.zhihu.com/p/86763381

torch.unsqueeze和 torch.squeeze() 详解相关推荐

【终于有人搞懂了】详解 torch.unsqueeze() 和 torch.squeeze()
详解 torch.unsqueeze 和 torch.squeeze 1. 入门测试 2. 深入研究 2.1 torch.unsqueeze 详解 2.2 unsqueeze_和 unsqueeze ...
sgd 参数详解_关于torch.optim的灵活使用详解(包括重写SGD,加上L1正则)
torch.optim的灵活使用详解 1. 基本用法: 要构建一个优化器Optimizer,必须给它一个包含参数的迭代器来优化,然后,我们可以指定特定的优化选项, 例如学习速率,重量衰减值等. 注:如 ...
Pytorch中torch.unsqueeze()和torch.squeeze()函数解析
一. torch.squeeze()函数解析 1. 官网链接 torch.squeeze(),如下图所示: 2. torch.squeeze()函数解析 torch.squeeze(input, di ...
torch.unsqueeze()和torch.unsqueeze()
参考:torch.squeeze() 和torch.unsqueeze()用法的通俗解释 import torch x = torch.tensor([[1, 2, 3],[1, 2, 3],[1, ...
torch 归一化，momentum用法详解
torch 有两个地方用Momentum动量,冲量, 一,优化器中的Momentum 主要是在训练网络时,最开始会对网络进行权值初始化,但是这个初始化不可能是最合适的:因此可能就会出现损失函数在训练的 ...
剖析 | torch.nn.functional.softmax维度详解
写代码,看代码都要心中有数,输入是什么,输出是什么,结果是如何计算出来的. 一维数据: # -*- coding: utf-8 -*- import torch import numpy as np ...
torch.flatten、np.flatten 详解
超链接:深度学习工作常用方法汇总,矩阵维度变化.图片.视频等操作,包含(torch.numpy.opencv等) B站视频讲解链接 1. 展平 :flatten torch版: x.flatten(n ...
Pytorch 中的数据类型 torch.utils.data.DataLoader 参数详解
DataLoader是PyTorch中的一种数据类型,它定义了如何读取数据方式.详情也可参考本博主的另一篇关于torch.utils.data.DataLoader(https://blog.csdn ...
Pytorch之torch.nn.functional.pad函数详解
torch.nn.functional.pad是PyTorch内置的矩阵填充函数 (1).torch.nn.functional.pad函数详细描述如下: torch.nn.functional.pa ...

torch.unsqueeze和 torch.squeeze() 详解

1. torch.unsqueeze 详解

torch.squeeze 详解

torch.unsqueeze和 torch.squeeze() 详解相关推荐

最新文章

热门文章