torch.squeeze用法

torch.squeeze:将tensor中大小为1的维度删除
torch.squeeze(tensor,dim)

代码示例:

import torch
a=torch.ones(2,2,2,1,1)
b=torch.squeeze(a)
c=torch.squeeze(a,0)
d=torch.squeeze(a,3)
print("a的shape:",a.shape)
print("b的shape:",b.shape)
print("c的shape:",c.shape)
print("d的shape:",d.shape)

输出:

a的shape: torch.Size([2, 2, 2, 1, 1])
b的shape: torch.Size([2, 2, 2])
c的shape: torch.Size([2, 2, 2, 1, 1])
d的shape: torch.Size([2, 2, 2, 1])

注:对特定维度进行squeeze,如果该维度大小不为1,则保持原来的shape不变,如代码中的c的shape。

  • 15
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
torch.squeeze函数是用来对输入的张量进行处理的。它的作用是移除张量中所有大小为1的维度,保留其他维度。函数的用法torch.squeeze(input, dim=None, *, out=None),其中input表示输入的张量,dim表示要移除的指定维度(如果维度大小为1则移除,否则保留)。如果不指定dim,则会移除所有大小为1的维度。 举个例子,假设我们有一个大小为[2, 1, 2, 1, 2]的张量x,我们可以使用torch.squeeze函数对它进行处理。如果我们不指定dim参数,即使用torch.squeeze(x),那么所有大小为1的维度都会被移除,最终得到的张量y的大小为[2, 2, 2]。如果我们指定dim参数为0,即使用torch.squeeze(x, 0),但是维度0的size不为1,所以维度0会被保留,最终得到的张量y的大小仍为[2, 1, 2, 1, 2]。如果我们指定dim参数为1,即使用torch.squeeze(x, 1),维度1的size为1,所以维度1会被移除,最终得到的张量y的大小为[2, 2, 1, 2]。 总之,torch.squeeze函数可以根据指定的维度对输入的张量进行压缩,去除维度大小为1的部分,从而得到一个维度更小的张量。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [torch.squeeze用法](https://blog.csdn.net/weixin_42305201/article/details/124355611)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [torch.squeeze 函数运用](https://blog.csdn.net/scar2016/article/details/122145351)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [详解pytorchsqueeze()和unsqueeze()函数介绍](https://download.csdn.net/download/weixin_38629976/13707836)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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