pytorch入门（七）：unsqueeze

1、升维

unsqueeze用来改变Tensor的维度，把低维的Tensor变为高维的Tensor。如3×4的Tensor，变为1×3×4、3×1×4、3×4×1的Tensor。
先造一个3×4的Tensor，看看结果。

a = torch.arange(12).reshape(3,4)
print(a)

tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]])

用squeeze做升维操作，squeeze(n)的参数n指定新维度的位置。

print(a.unsqueeze(0).shape)
print(a.unsqueeze(1))
print('-'*10)
print(a.unsqueeze(1).shape)
print(a.unsqueeze(1))
print(a.unsqueeze(2).shape)
print(a.unsqueeze(1))

结果中的1就是新维度的位置，它导致数据中括号的不同位置。

torch.Size([1, 3, 4])
tensor([[[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11]]])
----------
torch.Size([3, 1, 4])
tensor([[[ 0,  1,  2,  3]],
        [[ 4,  5,  6,  7]],
        [[ 8,  9, 10, 11]]])
----------
torch.Size([3, 4, 1])
tensor([[[ 0],
         [ 1],
         [ 2],
         [ 3]],

        [[ 4],
         [ 5],
         [ 6],
         [ 7]],

        [[ 8],
         [ 9],
         [10],
         [11]]])

2、用None来实现

其实，我们也可用与numpy相同的方式来做到这一点，即直接用None、:、…来标记新维度的位置。

a = np.arange(12).reshape(3,4)
print(a[None].shape)
print(a[:,None].shape)
print(a[:,:,None].shape)

a[:, :, None] 与 a[…, None]有相同的效果。
这种方式还能一次添加两个新维度，如

print(a[:,None,:,None].shape)

得到4维数组

(3, 1, 4, 1)

在pytorch中的用法完全相同，只要把a改为Tensor即可。

a = torch.arange(12).reshape(3,4)
print(a[None].shape)
print(a[:,None].shape)
print(a[:,:,None].shape)
print(a[:,None,:,None].shape)

接结果为

torch.Size([1, 3, 4])
torch.Size([3, 1, 4])
torch.Size([3, 4, 1])
torch.Size([3, 1, 4, 1])