pytorch squeeze() unsqueeze()

总而言之，squeeze是用来压缩一些轴（维度为1）的，相反，unsqueeze用来增加张量轴的数量的。

squeeze()

import torch

a =  torch.arange(10).reshape((2,1,5,1))
a
-----out
tensor([[[[0],
          [1],
          [2],
          [3],
          [4]]],

        [[[5],
          [6],
          [7],
          [8],
          [9]]]])

b = a.squeeze()
b
-----out
tensor([[0, 1, 2, 3, 4],
        [5, 6, 7, 8, 9]])

以上可以看出，张量从4个轴，变成了2个轴，其中维度为1的被压缩了。

unsqueeze()

c = b.unsqueeze(1)
c
-----out
tensor([[[0, 1, 2, 3, 4]],
        [[5, 6, 7, 8, 9]]])

c = b.unsqueeze(2)
c
-----out
tensor([[[0],
         [1],
         [2],
         [3],
         [4]],

        [[5],
         [6],
         [7],
         [8],
         [9]]])

其中数字代表需要增加的轴。(其实具体的轴我也转不清，在用到的时候应该就知道了。)

目前比较会用到的场景是

d = torch.arange(6).reshape((1,-1))
d
-----out
tensor([[0, 1, 2, 3, 4, 5]])

d.squeeze()
-----out
tensor([0, 1, 2, 3, 4, 5])

tensor([[0, 1, 2, 3, 4, 5]])和 tensor([0, 1, 2, 3, 4, 5]) 看上去是一样的，但是在pytorch里，前者是矩阵，后者是向量，在计算的过程中，要是搞不清楚，还是比较麻烦的。之前我会比较笨，用reshape的方式，现在看来，其实只要用squeeze的方法就可以了。