pytorch中unsqueeze和queeze函数的使用

pytorch中unsqueeze和queeze函数的使用

直接上代码：

import torch
a = torch.randn([1,2,3])
print(a.shape)
a = a.squeeze(0) #这里注意一定要重新赋值
				 #在第“0”维减少一个维度
				 #unsqueeze()函数是增加一个维度
				 #实际上数据并没有变化，不存在多了或者少了
print(a.shape)

torch.Size([1, 2, 3])
torch.Size([2, 3])

所以看得出来tensor.squeeze()的作用就是减少一个维度，但要注意一个问题，只能删减维度大小为1的一维，维度不为1，说明存在有效数据，也就无法删除。
同时tensor.unsqueeze()的作用就是增加一个维度。里面是-1表示在最后一个维度增加。

该函数的使用：
构建神经网络时的输入形状都有假设：输入的不是单个数据，而是一个batch。这就意味这输入的维度不再是单个数据的维度
（比如tensor.size([3,28,28])），
而是（比如tensor.size([batch_size,3,28,28])）
所以当输入只有一个数据，则必须调用tensor.unsqueeze(0) 或 tensor[None]将数据伪装成batch_size=1的batch，不然就会出错。