pytorch中的squeeze和unsqueeze函数的使用

应用场景：当我们进行深度学习使用Image函数导入图片时，默认它的维度为[C, H, W]，此时根据模型的需要导入batch这一维度。
部分程序

# 导入要测试的图像（自己找的，不在数据集中），放在源文件目录下
im = Image.open('dog.jpg')
im = transform(im)  # [C, H, W]
im = torch.unsqueeze(im, dim=0)      # 对数据增加一个新维度(batch)，因为tensor的参数是[batch, channel, height, width]

unsqueeze 指定哪个下标就增加那个下标长度为1的维度（必须加上下标，）。

squeeze 从中删除长度为1的维度。指定下标就删除那个下标长度为1的维度，若不为1则不删除。

具体详情见如下代码：

unsquenze（增加长度1的维度）：

import torch
a = torch.arange(9,dtype=float).reshape((3,3))
print(a)
print(a.shape)        # 查看a的形状
a = a.unsqueeze(0)
print(a)              # 经过unsqueeze函数后的情况
print(a.shape)        # 维度变化情况# 结果输出
tensor([[0., 1., 2.],[3., 4., 5.],[6., 7., 8.]], dtype=torch.float64)
torch.Size([3, 3])
tensor([[[0., 1., 2.],[3., 4., 5.],[6., 7., 8.]]], dtype=torch.float64)
torch.Size([1, 3, 3])

import torch
a = torch.arange(9,dtype=float).reshape((3,3))
print(a)
print(a.shape)        # 查看a的形状
a = a.unsqueeze(1)    # 等同于a = a.unsqueeze(-2)
print(a)              # 经过unsqueeze函数后的情况
print(a.shape)        # 维度变化情况# 结果输出
tensor([[0., 1., 2.],[3., 4., 5.],[6., 7., 8.]], dtype=torch.float64)
torch.Size([3, 3])
tensor([[[0., 1., 2.]],[[3., 4., 5.]],[[6., 7., 8.]]], dtype=torch.float64)
torch.Size([3, 1, 3])

import torch
a = torch.arange(9,dtype=float).reshape((3,3))
print(a)
print(a.shape)        # 查看a的形状
a = a.unsqueeze(2)    # 等同于a = a.unsqueeze(-1)
print(a)              # 经过unsqueeze函数后的情况
print(a.shape)        # 维度变化情况# 结果输出
tensor([[0., 1., 2.],[3., 4., 5.],[6., 7., 8.]], dtype=torch.float64)
torch.Size([3, 3])
tensor([[[0.],[1.],[2.]],[[3.],[4.],[5.]],[[6.],[7.],[8.]]], dtype=torch.float64)
torch.Size([3, 3, 1])

squeeze（减少长度为1的维度）：

import torch
a = torch.arange(9,dtype=float).reshape((1,3,1,3))
print(a)
print(a.shape)        # 查看s的形状
a = a.squeeze()       # 等同于a = a.unsqueeze(-1)
print(a)              # 经过squeeze函数后的情况
print(a.shape)        # 维度变化情况# 结果
tensor([[[[0., 1., 2.]],[[3., 4., 5.]],[[6., 7., 8.]]]], dtype=torch.float64)
torch.Size([1, 3, 1, 3])
tensor([[0., 1., 2.],[3., 4., 5.],[6., 7., 8.]], dtype=torch.float64)
torch.Size([3, 3])

import torch
a = torch.arange(9,dtype=float).reshape((1,3,1,3))
print(a)
print(a.shape)        # 查看s的形状
a = a.squeeze(0)      # 此时删除a的下标为0的维度长度为1
print(a)              # 经过squeeze函数后的情况
print(a.shape)        # 维度变化情况
tensor([[[[0., 1., 2.]],[[3., 4., 5.]],[[6., 7., 8.]]]], dtype=torch.float64)
torch.Size([1, 3, 1, 3])
tensor([[[0., 1., 2.]],[[3., 4., 5.]],[[6., 7., 8.]]], dtype=torch.float64)
torch.Size([3, 1, 3])

import torch
a = torch.arange(9,dtype=float).reshape((1,3,1,3))
print(a)
print(a.shape)        # 查看s的形状
a = a.squeeze(2)      # 此时删除a的下标为2的维度长度为1（等价于a = a.squeeze(-2)）
print(a)              # 经过squeeze函数后的情况
print(a.shape)        # 维度变化情况# 结果
tensor([[[[0., 1., 2.]],[[3., 4., 5.]],[[6., 7., 8.]]]], dtype=torch.float64)
torch.Size([1, 3, 1, 3])
tensor([[[0., 1., 2.],[3., 4., 5.],[6., 7., 8.]]], dtype=torch.float64)
torch.Size([1, 3, 3])

import torch
a = torch.arange(9,dtype=float).reshape((1,3,1,3))
print(a)
print(a.shape)        # 查看s的形状
a = a.squeeze(1)      # 此时小标为1或3时，对应的维度长度均为3，所以squeeze没有起作用
print(a)              # 经过squeeze函数后的情况
print(a.shape)        # 维度变化情况# 结果
tensor([[[[0., 1., 2.]],[[3., 4., 5.]],[[6., 7., 8.]]]], dtype=torch.float64)
torch.Size([1, 3, 1, 3])
tensor([[[[0., 1., 2.]],[[3., 4., 5.]],[[6., 7., 8.]]]], dtype=torch.float64)
torch.Size([1, 3, 1, 3])

pytorch中的squeeze和unsqueeze函数的使用相关推荐

pytorch中的squeeze和unsqueeze的用法小结
文章目录 1. 理论简介 2. 举例 2.1 squeeze (1)x.squeeze() (2)x.squeeze(n) (3)torch.squeeze(x) 2.2 unsqueeze (1)x ...
PyTorch中的squeeze()和unsqueeze()详解与应用案例
文章目录 1.torch.squeeze 2.torch.unsqueeze 3.给一个使用上述两个函数,并进行一次卷积的例子附上官网地址: https://pytorch.org/docs/sta ...
pytorch中的squeeze和unsqueeze
squeeze:压缩,要减少维度. unsqueeze:解压缩,要增加维度. torch.squeeze(input),那么会把input中所有维度长度为1的维度去掉. torch.squeeze(i ...
python中squeeze函数_详解pytorch中squeeze()和unsqueeze()函数介绍
squeeze的用法主要就是对数据的维度进行压缩或者解压. 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 ...
Pytorch中tensor.view().permute().contiguous()函数理解
Pytorch中tensor.view().permute().contiguous()函数理解 yolov3中有一行这样的代码,在此记录一下三个函数的含义 # 例子中batch_size为整型,le ...
机器学习9:关于pytorch中的zero_grad（）函数
机器学习9:关于pytorch中的zero_grad()函数本文参考了博客Pytorch 为什么每一轮batch需要设置optimizer.zero_grad. 1.zero_grad()函数的应用 ...
【学习笔记】pytorch中squeeze()和unsqueeze()函数介绍
一.unsqueeze()函数 1. 首先初始化一个a 可以看出a的维度为(2,3) 2. 在第二维增加一个维度,使其维度变为(2,1,3) 可以看出a的维度已经变为(2,1,3)了,同样如果需要在倒 ...
pytorch 中 squeeze 和unsqueeze函数
1. torch.squeeze() 函数 : 作用:移除指定或所有维数为1的维度,从而得到维度减少的张量解释一下: x=torch.zeros(5,1,1,1)print(x)'输出' tenso ...
【Pytorch】tensor类型数据.squeeze()和.unsqueeze()函数的简明教程（一看就会）
文章目录 1 squeeze 1.1 1.2 1.3 执行操作后需要写回 2 unsqueeze pytorch系列代码中常见的两个函数squeeze()和unsqueeze() 1 squeeze ...

pytorch中的squeeze和unsqueeze函数的使用

pytorch中的squeeze和unsqueeze函数的使用相关推荐

最新文章

热门文章