pytorch torch.squeeze() 和torch.unsqueeze()的区别

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=torch.squeeze(a，N) a中去掉指定的定的维数为一的维度。

再看torch.unsqueeze()这个函数主要是对数据维度进行扩充。给指定位置加上维数为一的维度，比如原本有个三行的数据（3），在0的位置加了一维就变成一行三列（1,3）。a.squeeze(N) 就是在a中指定位置N加上一个维数为1的维度。还有一种形式就是b=torch.squeeze(a，N) a就是在a中指定位置N加上一个维数为1的维度

在看许多pytorch的代码时，为了计算上的方便，通常会用到unsqueeze函数，一直不得要领，这次专门去做个实验学习一下。

官方文档对这个函数描述如下，就是在指定的位置插入一个维度，有两个参数，input是输入的tensor,dim是要插到的维度

需要注意的是dim的范围是[-input.dim()-1, input.dim()+1)，是一个左闭右开的区间，当dim为负值时，会自动转换为dim = dim+input.dim()+1，类似于使用负数对python列表进行切片。
参考：https://blog.csdn.net/ljwwjl/article/details/115342632

import torch


x=torch.tensor([1,2,3,4])
y=torch.unsqueeze(x,0)  #就是在指定的位置插入一个维度
print(y)
z=torch.unsqueeze(x,1)
print(z)

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



#下面使用一个二维矩阵看下dim不同时呈现出的效果： 创建一个3*4的全1二维tensor
a=torch.ones(3,4)
# tensor([[1., 1., 1., 1.],
#         [1., 1., 1., 1.],
#         [1., 1., 1., 1.]])
#在0维度上插入一个维度，可以看到现在a的形状变为[1, 3, 4]，第0维度的大小默认是1
a = a.unsqueeze(0)
print(a)
print(a.shape)
# tensor([[[1., 1., 1., 1.],
#          [1., 1., 1., 1.],
#          [1., 1., 1., 1.]]])
# torch.Size([1, 3, 4])


#在最后一个维度上插入一个维度，形状变为[3, 4, 1]
a = a.unsqueeze(a.dim())
print(a.shape)