PyTorch升维和降维

降维官方文档
升维官方文档

直接翻译吧，看了几篇博客，不是很清晰。

降维

torch.squeeze(input, dim=None)->Tensor

input：输入张量数据
dim：默认为None，如果不指定值，会删除input所有维度为1的数据，如input shape(A*1*B*C*1*D)–>(A*B*C);再或者，我们指定维度，注意，这里的指定是通过shape的索引来指定，那么如果索引指定的维度为1则进行降维，非1则不降。

例子

import torch
a = torch.zeros(2, 1, 2, 1, 2)
a.size() # torch.Size([2, 1, 2, 1, 2])
b = torch.squeeze(a) 
b.size() # torch.Size([2, 2, 2])
c = torch.squeeze(a, 0)
c.size() # torch.Size([2, 1, 2, 1, 2]), 不需要降维
d = torch.squeeze(a, 3)
d.size() # torch.Size([2, 1, 2, 2])

note

input tensor 和 return tensor 会共享内存，因此修改其中一个，另外一个也会变，原因就是，他们都是storage 的 view，至于为什么，请参考该链接。

# 验证：
id(a.storage()) == id(b.storage) # True

warning

如果input tensor 有一个为1的batch size，torch.squeeze(input) 也会清除 batch 维度，所以，要小心哦。

升维

升且只升1维。

torch.unsqueeze(input, dim) --> Tensor

返回一个在特定位置增维后的new tensor，依然 share storage。
dim参数范围：[-input.dim() - 1, input.dim()]，如果dim是负的，则 dim = dim + input.dim() + 1.

参数解释

input(Tensor) - 输入的tensor
dim(int) - 扩增维度的索引位置

例子

# torch.unsqueeze(input, dim)
ac = torch.tensor([[1, 2], [3, 4]])
ac.dim() # 2
# dim is in [-3, 2]，即-3、-2、-1、0、1、2
torch.unsqueeze(ac, 0).shape # 1, 2, 2
torch.unsqueeze(ac, 1).shape # 2, 1, 2
torch.unsqueeze(ac, 2).shape # 2, 2, 1
# -3, -2, -1 与 0， 1， 2 功能相同