【python】【PyTorch】详细中文解释unsqueeze，代码和代码解读
目录
【python】【PyTorch】详细中文解释unsqueeze，代码和代码解读
unsqueeze() 函数的作用：
语法：
unsqueeze() 操作示例：
示例 1：将一个一维张量转换为二维张量
示例 2：在最后一维插入一个新维度
示例 3：负索引插入维度
示例 4：将二维张量转为三维张量
总结：
【python】【PyTorch】详细中文解释unsqueeze，代码和代码解读
在 PyTorch 中，
unsqueeze()是一个非常实用的函数，用于在张量的指定位置插入一个维度。
简而言之，
unsqueeze()通过增加一个长度为1的维度来扩展张量的维度。
unsqueeze() 函数的作用：
unsqueeze()函数将一个张量的维度增加 1。
这个函数常用于调整张量的形状，特别是在需要将一个二维或一维张量转换为更高维度的张量时。
语法：
torch.unsqueeze(input, dim)
input：输入张量。dim：指定要插入新维度的位置。dim是一个整数，表示新维度的位置，取值范围是[-input.dim() - 1, input.dim()]。如果dim为负数，它表示从最后一个维度开始计数。
unsqueeze() 操作示例：
示例 1：将一个一维张量转换为二维张量
假设我们有一个一维张量 [1, 2, 3]，我们希望通过 unsqueeze() 将其转换为一个二维张量，并在第 0 维度（最前面）插入一个新的维度。
import torch
# 创建一个一维张量
x = torch.tensor([1, 2, 3])
# 在第0维插入一个新的维度
y = torch.unsqueeze(x, 0)
print("Original shape:", x.shape) # 原始张量形状
print("New shape:", y.shape) # 新张量形状
print(y)
输出：
Original shape: torch.Size([3])
New shape: torch.Size([1, 3])
tensor([[1, 2, 3]])
- 解释：
- 原始张量
x的形状是(3)，表示这是一个包含 3 个元素的一维张量。 - 使用
torch.unsqueeze(x, 0)后，在张量的第 0 维插入了一个新的维度。结果是一个形状为(1, 3)的二维张量。 unsqueeze(0)会在第一个维度（最前面）插入新的维度，表示这个张量现在有 1 行，3 列。
- 原始张量
示例 2：在最后一维插入一个新维度
假设我们希望将张量 [1, 2, 3] 变成形状为 (3, 1) 的二维张量，我们可以在第 1 维（最后一维）插入一个新的维度。
# 在第1维插入一个新的维度
z = torch.unsqueeze(x, 1)
print("Original shape:", x.shape)
print("New shape:", z.shape)
print(z)
输出：
Original shape: torch.Size([3])
New shape: torch.Size([3, 1])
tensor([[1],
[2],
[3]])
- 解释：
- 原始张量
x的形状是(3)，是一个一维张量。 - 使用
torch.unsqueeze(x, 1)后，在第 1 维（即最后一个维度）插入了一个新的维度。结果是一个形状为(3, 1)的二维张量，表示这个张量现在有 3 行，1 列。
- 原始张量
示例 3：负索引插入维度
我们可以使用负数索引来指定维度的位置。负数表示从最后一个维度开始计数。
# 在倒数第一维（最后一维）插入一个新的维度
w = torch.unsqueeze(x, -1)
print("Original shape:", x.shape)
print("New shape:", w.shape)
print(w)
输出：
Original shape: torch.Size([3])
New shape: torch.Size([3, 1])
tensor([[1],
[2],
[3]])
- 解释：
- 使用
torch.unsqueeze(x, -1)等同于使用torch.unsqueeze(x, 1)，在张量的最后一个维度插入了一个新的维度。 - 结果是一个形状为
(3, 1)的二维张量，表示张量现在有 3 行，1 列。
- 使用
示例 4：将二维张量转为三维张量
如果我们有一个形状为 (2, 3) 的二维张量，并希望将其转换为三维张量（例如，插入一个维度表示批次大小），我们可以使用 unsqueeze()。
# 创建一个二维张量
a = torch.tensor([[1, 2, 3], [4, 5, 6]])
# 在第0维插入新维度
b = torch.unsqueeze(a, 0)
print("Original shape:", a.shape)
print("New shape:", b.shape)
print(b)
输出：
Original shape: torch.Size([2, 3])
New shape: torch.Size([1, 2, 3])
tensor([[[1, 2, 3],
[4, 5, 6]]])
- 解释：
- 原始张量
a的形状是(2, 3)，表示它有 2 行，3 列。 - 使用
torch.unsqueeze(a, 0)后，在第 0 维（最前面）插入了一个新的维度，结果是一个形状为(1, 2, 3)的三维张量，表示这个张量现在有 1 个批次，2 行，3 列。
- 原始张量
总结：
unsqueeze()函数用于增加张量的维度，可以通过指定维度位置插入一个新的维度（长度为 1）。- 常见应用：增加批次维度（例如将一维张量转换为二维张量）或调整张量形状以满足模型输入的要求。
- 这个函数特别有用，在需要将张量的维度对齐时，或者在深度学习框架中调整数据形状时非常常见。