pytorch语法日常之torch.squeeze()和torch.unsqueeze()

1.torch.squeeze()

torch.squeeze(input, dim=None, out=None)
其中参数分别为:
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

作用：降维

将输入张量形状中维度为1 的去除并返回。 当给定具体的dim时，那么挤压操作只在给定维度上, dim = 0 将会保持张量不变，如果最后一个维度为1，dim = -1将进行挤压操作 。举个例子：

import torch
x = torch.arange(8).view(2, 1, 4)  # torch.Size([2, 1, 4])
print(torch.squeeze(x))  # torch.Size([2, 1, 4])

y1 = x.squeeze(0)  # torch.Size([2, 1, 4])

y2 = x.squeeze(1)  
print(y2.size())  # torch.Size([2, 4])

y3 = x.squeeze(2)  
print(y3.size())  # torch.Size([2, 1, 4])

x = torch.arange(8).view(2, 4, 1)
y4 = x.squeeze(-1)
print(y4.size())  # torch.Size([2, 4])

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。至于为什么会有这个操作，是因为维度为 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。

2.torch.unsqueeze()

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

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

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，老样子举个例子：

import torch
x = torch.arange(8).view(2, 4, 1)  # torch.Size([2, 4, 1])

y1 = x.unsqueeze(0)  # torch.Size([1, 2, 4, 1])
print(y1.size())

y2 = x.unsqueeze(1)
print(y2.size())  # torch.Size([2, 1, 4, 1])

y3 = x.unsqueeze(2)
print(y3.size())  # torch.Size([2, 4, 1, 1])

x = torch.arange(8).view(2, 1, 4)
y4 = x.unsqueeze(-1)
print(y4.size())  # torch.Size([2, 1, 4, 1])
y5 = x.unsqueeze(-2)
print(y5.size())  # torch.Size([2, 1, 1, 4])