數據本身不發生改變，數據的訪問方式發生了改變
1.維度的擴展
函數：
unsqueeze()
# a是一個4維的
a = torch.randn(4, 3, 28, 28)
print('a.shape\n', a.shape)
print('\n維度擴展（變成5維的）：')
print('第0維前加1維')
print(a.unsqueeze(0).shape)
print('第4維前加1維')
print(a.unsqueeze(4).shape)
print('在-1維前加1維')
print(a.unsqueeze(-1).shape)
print('在-4維前加1維')
print(a.unsqueeze(-4).shape)
print('在-5維前加1維')
print(a.unsqueeze(-5).shape)
輸出結果
a.shape
torch.Size([4, 3, 28, 28])
維度擴展（變成5維的）：
第0維前加1維
torch.Size([1, 4, 3, 28, 28])
第4維前加1維
torch.Size([4, 3, 28, 28, 1])
在-1維前加1維
torch.Size([4, 3, 28, 28, 1])
在-4維前加1維
torch.Size([4, 1, 3, 28, 28])
在-5維前加1維
torch.Size([1, 4, 3, 28, 28])
注意,第5維前加1維，就會出錯
# print(a.unsqueeze(5).shape)
# Errot：Dimension out of range (expected to be in range of -5, 4], but got 5)
連續擴維：
unsqueeze()
# b是一個1維的
b = torch.tensor([1.2, 2.3])
print('b.shape\n', b.shape)
print()
# 0維之前插入1維，變成1,2]
print(b.unsqueeze(0))
print()
# 1維之前插入1維，變成2,1]
print(b.unsqueeze(1))
# 連續擴維,然后再對某個維度進行擴張
print(b.unsqueeze(1).unsqueeze(2).unsqueeze(0).shape)
輸出結果
b.shape
torch.Size([2])
tensor([[1.2000, 2.3000]])
tensor([[1.2000],
[2.3000]])
torch.Size([1, 2, 1, 1])
2.擠壓維度
函數：
squeeze()
# 擠壓維度，只會擠壓shape為1的維度，如果shape不是1的話，當前值就不會變
c = torch.randn(1, 32, 1, 2)
print(c.shape)
print(c.squeeze(0).shape)
print(c.squeeze(1).shape) # shape不是1，不會變
print(c.squeeze(2).shape)
print(c.squeeze(3).shape) # shape不是1，不會變
輸出結果
torch.Size([1, 32, 1, 2])
torch.Size([32, 1, 2])
torch.Size([1, 32, 1, 2])
torch.Size([1, 32, 2])
torch.Size([1, 32, 1, 2])
3.維度擴張
函數1：
expand()：擴張到多少，
# shape的擴張
# expand():對shape為1的進行擴展，對shape不為1的只能保持不變，因為不知道如何變換，會報錯
d = torch.randn(1, 32, 1, 1)
print(d.shape)
print(d.expand(4, 32, 14, 14).shape)
輸出結果
torch.Size([1, 32, 1, 1])
torch.Size([4, 32, 14, 14])
函數2：
repeat()方法，擴張多少倍
d=torch.randn([1,32,4,5])
print(d.shape)
print(d.repeat(4,32,2,3).shape)
輸出結果
torch.Size([1, 32, 4, 5])
torch.Size([4, 1024, 8, 15])