torch.squeeze() 和torch.unsqueeze()的用法，給tensor刪除或者添加維度為1的維度（squeeze和unsqueeze）

import torch
x = torch.randn(3,1,4,1,2)
a = x.squeeze(dim=1)  # 成員函數刪除第二維度
print(a.shape)
b = torch.squeeze(x, dim=1)  # torch自帶函數刪除第二維度
print(b.shape)
c = torch.squeeze(x, dim=3)  # 刪除第三維度
print(c.shape)
d = torch.squeeze(x)  # 若不標注刪除第幾維度，則會刪除所有為1的維度
print(d.shape)

輸出：
torch.Size([3, 4, 1, 2])
torch.Size([3, 4, 1, 2])
torch.Size([3, 1, 4, 2])
torch.Size([3, 4, 2])

注意：squeeze()函數只能刪除維度為1的維度，若不為1，該操作無效，但不會報錯

b = torch.unsqueeze(a, dim=1)
print(b.shape)

輸出為：
torch.Size([3, 1, 4, 1, 2])

 

在pytorch中， 用自帶的torch.unsqueeze()和tensor的成員函數unsqueeze()可以為tensor添加維度為1的維度

e = torch.unsqueeze(x, dim=0) # 在第一維度添加維度
print(e.shape)
f = x.unsqueeze(dim=0)
print(f.shape)

輸出：
torch.Size([1, 3, 1, 4, 1, 2])
torch.Size([1, 3, 1, 4, 1, 2])

 

先看torch.squeeze() 這個函數主要對數據的維度進行壓縮，去掉維數為1的的維度，比如是一行或者一列這種，一個一行三列（1,3）的數去掉第一個維數為一的維度之后就變成（3）行。squeeze(a)就是將a中所有為1的維度刪掉。不為1的維度沒有影響。a.squeeze(N) 就是去掉a中指定的維數為一的維度。還有一種形式就是b=torch.squeeze(a，N) a中去掉指定的定的維數為一的維度。

再看torch.unsqueeze()這個函數主要是對數據維度進行擴充。給指定位置加上維數為一的維度，比如原本有個三行的數據（3），在0的位置加了一維就變成一行三列（1,3）。a.squeeze(N) 就是在a中指定位置N加上一個維數為1的維度。還有一種形式就是b=torch.squeeze(a，N) a就是在a中指定位置N加上一個維數為1的維度