使用PyTorch 的 squeeze 方法将形状为 [1, 1, 5] 的张量压缩为形状为 [5] 的张量

---

一、squeeze是什么？

在 PyTorch 中，squeeze() 是一个张量操作函数，用于删除张量中尺寸为 1 的维度，也就是将存在的维度中值为 1 的部分删掉。具体来说，squeeze() 函数将对张量进行操作并返回一个新的张量，新张量中删掉了所有尺寸为 1 的维度。如果张量某维度值不为 1，那么这个维度不会发生变化。如果指定了参数 dim，则只会在指定的轴向上进行操作。
我给举个简单的例子吧：

import torch

x = torch.randn(1,10,1,5)
print(x.shape) # 输出：torch.Size([1, 10, 1, 5])

y = torch.squeeze(x)
print(y.shape) # 输出：torch.Size([10, 5])

z = torch.squeeze(x,dim=2)
print(z.shape) # 输出：torch.Size([1, 10, 5])

在以上示例中，squeeze() 函数删除了第 1 和第 3 维度值为 1 的维度，新张量的形状为 [10, 5]。
在第三次使用 squeeze() 函数时，只删除了第三个维度值为 1 的维度，
新张量的形状为 [1, 10, 5]，与原始张量形状相比并没有发生变化。

二、本文中的案例——使用 PyTorch 的 squeeze 方法将形状为 [1, 1, 5] 的张量压缩为形状为 [5] 的张量，具体代码如下：

import torch

# 创建形状为 [1, 1, 5] 的张量
x = torch.randn(1, 1, 5)
print("原始张量的形状：", x.shape)

# 使用 squeeze 方法将其压缩
x = torch.squeeze(x)
print("压缩后张量的形状：", x.shape)

原始张量的形状： torch.Size([1, 1, 5])
压缩后张量的形状： torch.Size([5])

我们可以注意到，在调用 squeeze 方法时，需要指定要压缩的维度，如果不指定，
则默认压缩所有长度为1的维度。在这个例子中，由于所有的维度长度都为1，
所以squeeze方法会将三个维度都压缩成一个维度，
形状为 [5] 的张量。如果原始张量的其他维度中存在长度不为1的维度，
则squeeze方法不会将其压缩，而是保留原始的张量形状。

---