torch.squeeze() 和torch.unsqueeze()用法的通俗解释

squeeze是降维，unsqueeze是升维。
那升降维是啥意思呢，找一个二维数组（tensor）当例子

import torch
x = torch.tensor([[1, 2, 3],[1, 2, 3],[1, 2, 3]])
print(torch.unsqueeze(x,0))

输出结果为：

tensor([[[1, 2, 3],
         [1, 2, 3],
         [1, 2, 3]]])

原来是个三行三列的数组，记为(3,3)
可见整体升了一维，加了一个中括号（1,3，3）

print(torch.unsqueeze(x,1))

输出结果为：

tensor([[[1, 2, 3]],

        [[1, 2, 3]],

        [[1, 2, 3]]])

原来的第一维升了一维，(3,1,3)

print(torch.unsqueeze(x,2))

输出结果为：

tensor([[[1],
         [2],
         [3]],

        [[1],
         [2],
         [3]],

        [[1],
         [2],
         [3]]])

原来的第一维升了一维，(3,3,1)

squeeze是降维，和unsqueeze是相反的操作

print(torch.squeeze(torch.unsqueeze(x,2),2))

输出结果为：

tensor([[1, 2, 3],
        [1, 2, 3],
        [1, 2, 3]])

torch.unsqueeze(x,2)的结果为(3,3,1)，torch.squeeze(input,2)发现它的第二维里面有一维的就把一维的取消掉，也就是中括号去掉。

print(torch.squeeze(torch.unsqueeze(x,2),1))

则不改变，因为torch.unsqueeze(x,2)得第一维里面是二维 ，所以不改变。只消去指定维里维数为1的。