squeeze（) 和 unsqueeeze()

最新推荐文章于 2023-09-26 09:06:32 发布
最新推荐文章于 2023-09-26 09:06:32 发布
阅读量564 收藏
点赞数
分类专栏： 深度学习模型 模型模块学习 文章标签： 深度学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42253689/article/details/109536309
版权

tensor.squeeze(index) 字面意思：就是在index处，如果维度为1，就删掉这个维度。如果此处维度不为1，则不操作

tensor.unsqueeeze(index) ：就是在index处，增加一个维度为1的维度；

注意 比如tensor a 的维度是（2,1,3）

a.squeeze(1)   的维度是（2,3），但a的维度仍然是（2,1,3）。就是squeeze和unsqueeze不会对tensor本身产生修改，修改后要赋值给别的变量才能够保存。

如 b = a.squeeze(1)

咖乐布小部
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
tensorflow 利用expand_dims和squeeze扩展和压缩tensor维度方式
09-18
今天小编就为大家分享一篇tensorflow 利用expand_dims和squeeze扩展和压缩tensor维度方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
python中squeeze函数_详解pytorch中squeeze()和unsqueeze()函数介绍
weixin_36190719的博客
02-03 3153
squeeze的用法主要就是对数据的维度进行压缩或者解压。先看torch.squeeze() 这个函数主要对数据的维度进行压缩，去掉维数为1的的维度，比如是一行或者一列这种，一个一行三列(1,3)的数去掉第一个维数为一的维度之后就变成(3)行。squeeze(a)就是将a中所有为1的维度删掉。不为1的维度没有影响。a.squeeze(N) 就是去掉a中指定的维数为一的维度。还有一种形式就是b=to...
torch学习笔记之——tensor维度变换
qq_58832911的博客
01-05 6795
torch学习笔记之——tensor维度变换：View 和reshape，squeeze 和unsqueeze，expand 和repeat，transpose和permute。
pytorch：交换tensor的维度
傲笑风的博客
11-19 3万+
在pytorch中， tensor有两个成员函数可以实现维度交换，分别时transpose()和permute() transpose(): 该函数可以交换tensor的任意两个维度，但是该函数一次只有两个参数，即一次只能交换两个维度。 import torch x = torch.randn(8, 3, 5, 4) y = x.transpose(1,2) # 交换第二与第三维度 print(y.shape) 输出： torch.Size([8, 5, 3, 4]) permute(): 该函数可以随
pytorch中改变维度操作
weixin_44394368的博客
09-01 4638
最近对网络做改进，遇到了一些改变tensor数据维度的操作，特记录在此，方便以后查阅。 1.使用索引改变维度值 a = torch.randint(10, (1, 3, 4, 5, 6)) b = a[:, 1:] c = a[:, 1:, :, :, :] print(a.shape) print(b.shape) print(c.shape) 输出结果： 这里可以看到，“:”在python中含有任取的意思。 当我们索引的时候。 如果再某个维度上使用了：，则说明这个维度上的数据我们可以随便取（我全都要
[Deep Learning]——Tensor维度变换
weixin_42067873的博客
09-15 1699
1、view / reshape 不足之处：会丢失维度信息（Lost dim information） import torch import numpy as np #创建Tensor def test(): a = torch.rand(4, 1, 28, 28) print(a.shape) #[4, 1*28*28] print(a.view(4, 1*28*28)) print(a.view(4, 1*28*28).shape) #把b,c,w合到
【Pytorch入门】Tensor维度变换
qq_46258819的博客
01-25 2741
Pytorch学习笔记——Tensor维度变换 view（）/reshape（） torch.view(arg1,arg2....) 作用：类似于numpy中的resize（）的功能，重构tensor的维度，返回一个有相同数据但不同大小的tensor 简单来讲，就是把原先tensor中的数据按照行优先的顺序排成一个一维数组，然后根据参数组合成其他维度的tensor example: 首先我们构造两个张量a（[1,2,3,4,5,6]）,b（[[1,2,3],[4,5,6]]），对其执行view操作后，输出结
torch的Tensor维度变换
m0_53926478的博客
04-11 3122
pytorch学习 torch的Tensor维度变换 view和reshape功能一样-不变的是数据本身，变维度改变对数据的理解 缩小/扩大维度，正的维度在索引之后插入，负的维度在索引之前插入 例子：给每幅图一个偏置bias 右边扩两次，左边一次，从[32]得到[1 32 1 1 ] 维度扩展：expend/repeat，expend在需要的时候复制数据，节约内存，推荐；repeat复了数据 expend扩展1->N可行，大于1需要指定策略 -1代表维持不变 repeat：函数里的数字都是
tensorflow-基于Tensorflow实现的SqueezeNet算法.zip
最新发布
03-09
tensorflow_基于Tensorflow实现的SqueezeNet算法
squeezenet1.1
09-22
openvino安装配置过程中缺少的文件，里面包含两个文件：squeezenet1.1.caffemodel及squeezenet1.1.prototxt
SqueezeNet模型文件及使用
03-15
SqueezeNet是一个小型化的网络模型结构，在保证不降低检测精度的同时，将原始AlexNet模型压缩至原来的1/500（模型文件,原始AlexNet模型约为200MB）。
mx_imagenet_squeezenet.rar
10-09
基于Deep Learning For Computer Vision的mx_imagenet_squeezenet 源码。亲测工作
PyTorch：tensor常用操作
芒果干的博客
12-28 3274
tensor常用操作一、维度重新排列二、Tensor.expand()三、torch.cat()四、torch.split()五、torch.chunk() 一、维度重新排列 permuate 二、Tensor.expand() Tensor.expand(sizes) 将tensor进行扩展，size为扩展后的维度，-1表示对这一维度不进行拓展 Returns a new view of the self tensor with singleton dimensions expanded to a la
tensor维度变换
dyh的博客
09-26 569
expand改变了我们对数据的理解方式，但没有增加数据，repeat实实在在增加了数据，两种方法最终的效果是等效的，区别在于expand不会主动复制数据，只会在有需要的时候复制。原为 [b, c, h, w] -> 索引1、3维度交换顺序后为 [b, w, h, c]在a中插入维度指定索引：[-a.dim()-1, a.dim()+1)expand与repeat之间，推荐使用expand。要变回原shape，一定要保证w和h的顺序不乱！新插入一个维度，这个维度的插入不会改变数据本身。要人为跟踪好维度顺序。
PyTorch中tensor的维度变换
m0_46483236的博客
03-29 6682
1. 增加维度： 可以使用 unsqueeze(index) 给tensor增加某一个指定位置的维度，tensor的维度从0开始。若index>=0，则表示在第index维插入一个新的维度；若index<0，则表示在倒数第index维插入一个新的维度。 实例： import torch a = torch.randn(8,4,9) b = a.unsqueeze(0) c = a.unsqueeze(1) d = a.unsqueeze(-1) e = a.unsqueeze(..
tensor之维度转换
qq_43894221的博客
07-13 3392
tensor维度交换
tensor / numpy维度变换操作总结
Vaeeeee的博客
09-21 2488
因此，本文着重介绍tensor或者numpy数组常见的维度变换方法，对整个维度变换操作做一个简单的整理，方便自己以后理解网络的中间变换过程会有帮助。对Pytorch和Numpy张量各种维度变换的方法作了一个简单的总结。
pytorch tensor张量维度转换
Lily的博客
03-29 549
# view() 转换维度 # reshape() 转换维度 # permute() 坐标系变换 # squeeze()/unsqueeze() 降维/升维 # expand() 扩张张量 # narraw() 缩小张量 # resize_() 重设尺寸 # repeat(), unfold() 重复张量 # cat(), stack() 拼接张量 具体见原文：https://blog.csdn.net/x_yan033/article/details/104965077 ...
卷积神经网络（CNN）结构详解
热门推荐
咖乐部
11-06 5万+
一、CNN的基本结构： 1.图像就是输入层 2.接着是CNN特有的卷积层（convolution），卷积层的自带激活函数使用的是ReLU 3.接着是CNN特有的池化层（pooling）， 4.卷积层+池化层的组合可以在隐藏层中出现很多次。也可以灵活组合，卷积+卷积+池化、卷积+卷积等 5.在若干卷积层+池化层之后是全连接层（fully connected layer），其实就是DNN结构，只是输出层使用了Softmax激活函数来做图像识别的分类 6.一般fc就为CNN的全连接层。全连接层一般..
squeeze和unsqueeze
07-27
squeeze和unsqueeze是PyTorch中的两个函数，用于改变张量的形状。 squeeze函数用于删除形状中尺寸为1的维度。例如，如果一个张量的形状是(1, 3, 1, 5)，使用squeeze函数后，形状将变为(3, 5)。 unsqueeze函数用于...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值