【pytorch】torch.stack()/F.interpolate/unsqueeze_(0)/squeeze()

1.torch.stack()

torch.stack() 函数会将一个元素为张量的序列（列表、元组等）沿着新的维度进行拼接，生成一个新的张量。例如，如果有一个包含 n 个 k维张量的序列，那么它们拼接后的张量就会是 (n, k) 维的。

如果我们将视频的每一帧作为一个张量，存储在列表 frames 中，torch.stack(frames) 的作用就是将所有的帧拼接成一个新的张量 x。假设视频总共有 m 帧，那么 x 的形状就是 (m, c, h, w)，其中 c、h、w 分别表示图像的通道数、高度、宽度。因为视频中的每一帧都具有相同的形状，所以 torch.stack() 可以正确地将这些张量拼接在一起，形成一个四维张量。

2.F.interpolate

F.interpolate()是PyTorch中的函数，用于对张量进行插值操作，从而改变其尺寸。具体来说，该函数可以对二维或三维输入张量进行插值，支持各种插值算法，例如最近邻插值、双线性插值和三线性插值等。

函数的参数说明如下：

• input：输入的张量；
• size：输出张量的尺寸；
• scale_factor：输出张量与输入张量的比例系数；
• mode：插值算法，可以是“nearest”（最近邻插值）、“bilinear”（双线性插值）、“bicubic”（三次样条插值）、“trilinear”（三线性插值）等；
• align_corners：在进行插值时，是否将像素点放在输入张量的角落。如果该参数为True，则像素点会放在输入张量的角落，否则会放在输入张量的中心。

划重点：

1. 输入张量的形状必须是4维的，具体形状是 (batch_size, channels, height, width)。

2. 其中，batch_size和channels是可以为1的，表示只有1个样本和1个通道。

3. 要对输入张量进行的插值操作必须在height和width两个维度上进行，即必须在后两个维度上指定插值后的目标大小。

4. 目标大小的形状是(height, width)。

在进行插值操作时，F.interpolate()函数会自动根据目标大小和原始大小计算出插值的比例，并对输入张量进行插值操作。

函数的返回值为插值后的张量。

举个例子：

假设有一个 2x2 的张量 x，其值为：

tensor([[1, 2],
        [3, 4]])

现在我们想把它插值到 4x4 的大小，使用双线性插值的方式，可以这样实现：

import torch.nn.functional as F

x = torch.tensor([[1, 2], [3, 4]], dtype=torch.float32)

# 对张量进行插值，大小为 4x4
y = F.interpolate(x.unsqueeze(0).unsqueeze(0), size=(4, 4), mode='bilinear', align_corners=False)

# 打印输出结果
print(y.squeeze())

》》》
tensor([[1.0000, 1.3333, 1.6667, 2.0000],
        [1.6667, 2.0000, 2.3333, 2.6667],
        [2.3333, 2.6667, 3.0000, 3.3333],
        [3.0000, 3.3333, 3.6667, 4.0000]])

3.unsqueeze_(0)

unsqueeze_(0) 是 PyTorch 中的一个方法，它会在张量的第 0 维（即最前面）增加一个维度。例如，如果原来一个张量的形状为 (3, 5)，那么执行 unsqueeze_(0) 后，它的形状就变成了 (1, 3, 5)

4.squeeze()

squeeze()是一个PyTorch张量操作，用于从张量中删除尺寸为1的维度，并返回新的张量。

如果张量中有一个或多个维度的大小为1，则可以使用squeeze()将这些维度删除。例如，如果我们有一个形状为(1, 3, 1, 5)的张量，使用squeeze()将删除尺寸为1的维度，并返回一个形状为(3, 5)的新张量。

如果你想指定要删除的维度，则可以使用squeeze(dim)，其中dim是要删除的维度的索引。