pytorch----扩展/压缩tensor维度

1. 扩展Tensor维度

　　  当输入的数据维度和实验需要维度不一致，输入的可能是2维数据或3维数据，实验需要用到3维或4维数据，则需要扩展这个维度。

1.1 torch.unsqueeze(self: Tensor, dim: _int)

　　torch.unsqueeze(self: Tensor, dim: _int)

　　参数说明：self:输入的tensor数据，dim：要对哪个维度扩展就输入那个维度的整数，可以输入0，1，2……

1.2 Code

第一种方式，输入数据后直接加unsqueeze()

　　扩展第一维和第二维为1

 import torch
 
  
 def reset_unsqueeze1():
     data = torch.rand([3, 3])
     data1 = data.unsqueeze(dim=0).unsqueeze(dim=1)
     print("data_size: ", data.shape)
     print("data: ", data)
     print("data1_size: ", data1.shape)
     print("data1: ", data1)

结果显示

第二种方式，用torch.unsqueeze()

  import torch
  
  
  def reset_unsqueeze2():
      data = torch.rand([3, 3])
      data1 = torch.unsqueeze(data, dim=0)
      print("data_size: ", data.shape)
      print("data: ", data)
      print("data1_size: ", data1.shape)
      print("data1: ", data1)

 结果显示

 

2. 压缩Tensor维度

 

2.1 torch.squeeze(self: Tensor, dim: _int)

　　这个方法刚好和torch.unsqueeze()方法效果相反，压缩Tensor维度。

2.2 Code

第一种方式，输入数据后直接加squeeze()

  import torch
  
  
  def reset_squeeze1():
      data = torch.rand([1, 1, 3, 3])
      data1 = data.squeeze(dim=0).squeeze(dim=1)
      print("data_size: ", data.shape)
      print("data: ", data)
      print("data1_size: ", data1.shape)
      print("data1: ", data1)

结果显示

 第二种方式，用torch.squeeze()

  import torch
  
  
  def reset_squeeze2():
      data = torch.rand([1, 1, 3, 3])
      data1 = torch.squeeze(data, dim=0)
      print("data_size: ", data.shape)
      print("data: ", data)
      print("data1_size: ", data1.shape)
      print("data1: ", data1)

结果显示