pytorch中的unsqueeze函數和squeeze函數

在pytorch中，我們經常對張量Tensor的維度進行壓縮或者擴充（壓縮或者擴充的維度為1）。其中經常使用的是squeeze()函數和unsqueeze函數；
squeeze在英文中的意思就是“擠、壓”，所以故名思議，squeeze()函數就是對張量的維度進行減少的操作，話不多說，我們直接看下例子：

import torch
#定義兩個整型的張量a,b
a = torch.IntTensor([[1,2,3],[4,5,6]])
b = torch.IntTensor([[[1,2,3],[4,5,6]]])
#看一下a，b的形狀
print(a.shape)
print(b.shape)
'''
===output===
torch.Size([2, 3])
torch.Size([1, 2, 3])
'''

#我們看到張量b比較膨脹，有三個維度：1*2*3，所以我們要擠壓一下張量b的第0個維度（因為是1才能擠壓，否則沒有效果）
c = torch.squeeze(b,0)  # 對應的維度為第0維
print(c.shape)
'''
===output===
torch.Size([2, 3])
'''
#那如果想想張量a膨脹一下，怎么辦
c = torch.unsqueeze(a,0)
print(c.shape)
'''
===output===
torch.Size([1, 2, 3])
'''
#可以看到張量a在第0維也膨脹了， 如果你看不慣的話，再壓縮一下它。

另外，squeeze()函數和unsqueeze()函數還有另一種寫法，直接用張量類型的變量來調用這兩個函數：

c = a.unsqueeze(0)
print(c.shape)
'''
===output===
torch.Size([1, 2, 3])
'''

你看出差別了么？這里直接用張量變量a來調用了unsqueeze()函數，當然squeeze()也是一樣的，不信你可以試試^_