torch.unsqueeze()函数解析《pytorch学习》

最新推荐文章于 2024-02-01 14:21:45 发布

桀骜不驯的山里男人

最新推荐文章于 2024-02-01 14:21:45 发布

阅读量1.2k

点赞数 1

分类专栏： pytorch冒险之旅文章标签： pytorch 深度学习 python

本文链接：https://blog.csdn.net/m0_56654441/article/details/120656120

版权

本文详细解析了PyTorch中的torch.unsqueeze()函数，该函数用于在张量的指定维度上增加一个维度。通过实例展示了在不同维度上应用unsqueeze()的效果，包括一维和二维空间的张量扩张，帮助读者深入理解该函数的用法。

摘要由CSDN通过智能技术生成

引言：此函数常用于维度计算当中，网络搭建过程中，在下不才，将此函数理解为维度加一函数，也就是扩充在原来基础上再扩充一个一维维度的函数。

如果在引言部分你只是懵懵懂懂，那下面就展示几个通俗易懂的例子吧！（默认情况下，图像的一般表述为（C*W*H）其中C代表通道数，C就是常说的三RGB通道，W代表的是图像的宽度，H代表图像的高度，下面以这个讲解）

数据库导入：
import torch
from PIL import Image
import matplotlib.pyplot as plt
1.首先在一维维度的空间张量，在开头加上/扩充一个维度。（Y,X）

1》在Y轴方向的扩张

代码：
data1=torch.tensor([1,2,5,9])
print(data1,data1.dim(),data1.size())
data2=torch.unsqueeze(data1,0)
print(data2,data2.dim(),data2.size())
output：

tensor([1, 2, 5, 9]) 1 torch.Size([4])
tensor([[1, 2, 5, 9]]) 2 torch.Size([1, 4])

分析：在原来的一维维度张量扩充为二维维度张量。类似于原来在X轴上的一维数据，在Y轴上扩张。

2》在X轴方向上的扩张。

代码：
data1=torch.