Pytorch 扩展Tensor维度、压缩Tensor维度的方法
1.扩展Tensor维度
相信刚接触Pytorch的宝宝们，会遇到这样一个问题，输入的数据维度和实验需要维度不一致，输入的可能是2维数据或3维数据，实验需要用到3维或4维数据，那么我们需要扩展这个维度。其实特别简单，只要对数据加一个扩展维度方法就可以了。
1.1torch.unsqueeze(self:Tensor,dim:_int)
torch.unsqueeze(self:Tensor,dim:_int)
参数说明：self:输入的tensor数据，dim：要对哪个维度扩展就输入那个维度的整数，可以输入0，1，2……
1.2Code
第一种方式，输入数据后直接加unsqueeze()
扩展第一维和第二维为1
importtorch
defreset_unsqueeze1():
data=torch.rand([3,3])
data1=data.unsqueeze(dim=0).unsqueeze(dim=1)
print("data_size:",data.shape)
print("data:",data)
print("data1_size:",data1.shape)
print("data1:",data1)
结果显示
第二种方式，用torch.unsqueeze()
importtorch
defreset_unsqueeze2():
data=torch.rand([3,3])
data1=torch.unsqueeze(data,dim=0)
print("data_size:",data.shape)
print("data:",data)
print("data1_size:",data1.shape)
print("data1:",data1)
结果显示
2.压缩Tensor维度
2.1torch.squeeze(self:Tensor,dim:_int)
这个方法刚好和torch.unsqueeze()方法效果相反，压缩Tensor维度。
2.2Code
第一种方式，输入数据后直接加squeeze()
importtorch
defreset_squeeze1():
data=torch.rand([1,1,3,3])
data1=data.squeeze(dim=0).squeeze(dim=1)
print("data_size:",data.shape)
print("data:",data)
print("data1_size:",data1.shape)
print("data1:",data1)
结果显示
第二种方式，用torch.squeeze()
importtorch
defreset_squeeze2():
data=torch.rand([1,1,3,3])
data1=torch.squeeze(data,dim=0)
print("data_size:",data.shape)
print("data:",data)
print("data1_size:",data1.shape)
print("data1:",data1)
结果显示
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。