unsqueeze() 方法在 PyTorch 中用于在指定的维度位置插入一个维度大小为 1 的新维度。
tips:
()内指定维度位置，‘0’表示第一个维度位置，以此类推‘1’ ‘2’ ‘3’.......
1.增加一个维度
import torch
# 创建一个形状为 [4] 的一维张量
x = torch.tensor([1, 2, 3, 4])
# 使用 unsqueeze 在第一个维度位置增加一个维度，结果形状变为 [1, 4]
x_unsqueezed = x.unsqueeze(0)
print(x.shape)
print(x)
print('*'*50)
print(x_unsqueezed.shape)
print(x_unsqueezed)
# 输出：
torch.Size([4])
tensor([1, 2, 3, 4])
**************************************************
torch.Size([1, 4])
tensor([[1, 2, 3, 4]])2.在中间维度插入一个维度
# 创建一个形状为 [3, 4] 的二维张量
x = torch.tensor([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12]])
# 使用 unsqueeze 在第二个维度位置增加一个维度，结果形状变为 [3, 1, 4]
x_unsqueezed = x.unsqueeze(1)
print(x.shape)
print(x)
print('*'*50)
print(x_unsqueezed.shape)
print(x_unsqueezed)
# 输出
torch.Size([3, 4])
tensor([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
**************************************************
torch.Size([3, 1, 4])
tensor([[[ 1, 2, 3, 4]],
[[ 5, 6, 7, 8]],
[[ 9, 10, 11, 12]]])3.在特定位置插入多个维度
# 创建一个形状为 [2, 2] 的二维张量
x = torch.tensor([[1, 2],
[3, 4]])
# 使用 unsqueeze 在第一和第三维度位置各增加一个维度，结果形状变为 [1, 2, 1, 2]
x_unsqueezed = x.unsqueeze(0).unsqueeze(2)
print(x.shape)
print(x)
print('*'*50)
print(x_unsqueezed.shape)
print(x_unsqueezed)
# 输出：
torch.Size([2, 2])
tensor([[1, 2],
[3, 4]])
**************************************************
torch.Size([1, 2, 1, 2])
tensor([[[[1, 2]],
[[3, 4]]]])4.使用 unsqueeze 进行广播
# 创建一个形状为 [4] 的一维张量
a = torch.tensor([1, 2, 3, 4])
# 创建一个形状为 [3, 4] 的二维张量
b = torch.tensor([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12]])
# 使用 unsqueeze 使 a 可以广播到 b 的形状
a_unsqueezed = a.unsqueeze(0) # 形状变为 [1, 4]
# 现在 a_unsqueezed 和 b 可以进行广播操作
result = a_unsqueezed + b
print(a.shape)
print(a)
print(a_unsqueezed)
print('*'*50)
print(b.shape)
print(b)
print('*'*50)
print(result)
# 输出
torch.Size([4])
tensor([1, 2, 3, 4])
tensor([[1, 2, 3, 4]])
**************************************************
torch.Size([3, 4])
tensor([[ 1, 2, 3, 4],
[ 5, 6, 7, 8],
[ 9, 10, 11, 12]])
**************************************************
tensor([[ 2, 4, 6, 8],
[ 6, 8, 10, 12],
[10, 12, 14, 16]])5.在多维张量中插入多个维度
# 创建一个形状为 [2, 3, 4] 的三维张量
x = torch.randn(2, 3, 4)
# 使用 unsqueeze 在第二和第四维度位置各增加一个维度，结果形状变为 [2, 1, 3, 1, 4]
x_unsqueezed = x.unsqueeze(1).unsqueeze(3)
print(x.shape)
print(x)
print('*'*50)
print(x_unsqueezed.shape)
print(x_unsqueezed)
# 输出
torch.Size([2, 3, 4])
tensor([[[ 0.7232, -1.1270, -0.3702, -0.6435],
[ 1.2270, -0.6766, 1.0700, -1.4295],
[-0.6011, 0.0285, -0.2584, -0.9866]],
[[ 0.8701, 1.1882, -0.6923, 0.9238],
[ 0.6200, 1.7528, 1.1101, 0.3141],
[-0.7319, 0.1732, -0.5922, 0.4118]]])
**************************************************
torch.Size([2, 1, 3, 1, 4])
tensor([[[[[ 0.7232, -1.1270, -0.3702, -0.6435]],
[[ 1.2270, -0.6766, 1.0700, -1.4295]],
[[-0.6011, 0.0285, -0.2584, -0.9866]]]],
[[[[ 0.8701, 1.1882, -0.6923, 0.9238]],
[[ 0.6200, 1.7528, 1.1101, 0.3141]],
[[-0.7319, 0.1732, -0.5922, 0.4118]]]]])6.将标量转换为张量
import torch
# 创建一个标量值
scalar = 5
# 将标量转换为一个 PyTorch 张量
scalar_tensor = torch.tensor(scalar)
# 使用 unsqueeze 在第一个维度位置增加一个维度，结果形状变为 [1]
scalar_tensor_unsqueeze = scalar_tensor.unsqueeze(0)
print(type(scalar))
print(scalar_tensor.shape)
print(scalar_tensor)
print('*'*50)
print(scalar_tensor_unsqueeze.shape)
print(scalar_tensor_unsqueeze)
# 输出
<class 'int'>
torch.Size([])
tensor(5)
**************************************************
torch.Size([1])
tensor([5])squeeze() 函数在 PyTorch 中用于从张量中移除所有长度为 1 的维度。这通常用于减少张量的维度，特别是在某些操作之后，其中某些维度可能只有一个元素，而这些单一元素的维度不再需要。
1.移除单维度
import torch
# 创建一个形状为 [1, 3, 1] 的张量
x = torch.randn(1, 3, 1)
# 使用 squeeze() 移除单维度
y = x.squeeze()
# 打印 y 的形状
print(y.shape) # 输出: torch.Size([3])2.选择性移除单维度
# 创建一个形状为 [2, 1, 4, 1] 的张量
x = torch.randn(2, 1, 4, 1)
# 使用 squeeze(1) 移除第二个维度
y = x.squeeze(1)
# 打印 y 的形状
print(y.shape) # 输出: torch.Size([2, 4, 1])3.移除所有单维度
# 创建一个形状为 [1, 2, 1, 3, 1] 的张量
x = torch.randn(1, 2, 1, 3, 1)
# 使用 squeeze() 移除所有单维度
y = x.squeeze()
# 打印 y 的形状
print(y.shape) # 输出: torch.Size([2, 3])