pytorch深度学习|pytorch中张量的维度变换，torch.squeeze()、torch.unsqueeze()函数 python|深度学习|pytorch

张量维度变换
通过.reshape方法，能够灵活调整张量的形状。而在实际操作张量进行计算时，往往需要另外进行降维和升维的操作，当我们需要除去不必要的维度时，可以使用squeeze函数，而需要手动升维时，则可采用unsqueeze函数。
1.torch.squeeze()函数：删除不必要的维度，提出了shape返回结果中的1 （1）torch.squeeze()函数的使用

t = torch.zeros(1, 1, 3, 1)#创建4维张量，由1个三维张量组成，每个三维张量由1个二维张量组成，每个二维张量由3个一维张量组成，每个一维张量有1个元素零(浮点型)组成。 #结果为：tensor([[[[0.], [0.], [0.]]]]) t.shape #结果为：torch.Size([1, 1, 3, 1]) t张量解释：一个包含一个三维的四维张量，三维张量只包含一个三行一列的二维张量。 torch.squeeze(t) #降维 #结果为：tensor([0., 0., 0.]) torch.squeeze(t).shape #结果为：torch.Size([3])#一个数表示一维张量，含有3个元素。转化后生成了一个一维张量t1 = torch.zeros(1, 1, 3, 2, 1, 2) t1.shape #结果为：torch.Size([1, 1, 3, 2, 1, 2]) torch.squeeze(t1)#降维 #结果为：tensor([[[0., 0.], [0., 0.]],[[0., 0.], [0., 0.]],[[0., 0.], [0., 0.]]]) torch.squeeze(t1).shape #结果为：torch.Size([3, 2, 2])

【pytorch深度学习|pytorch中张量的维度变换，torch.squeeze()、torch.unsqueeze()函数】简单理解：squeeze就相当于提出了shape返回结果中的1。
2. torch.unsqueeze()函数：手动升维，维度增加是从前往后数，在shape返回序列的第几个位置插入1。（1） torch.unsqueeze()函数的使用

t = torch.zeros(1, 2, 1, 2)#创建4维张量，由1个三维张量组成，每个三维张量由2个二维张量组成，每个二维张量由1个一维张量组成，每个一维张量有2个元素零(浮点型)组成。 t.shape #结果为：torch.Size([1, 2, 1, 2]) torch.unsqueeze(t, dim = 0)# 在第1个维度索引上升高1个维度 #结果为：tensor([[[[[0., 0.]],[[0., 0.]]]]])torch.unsqueeze(t, dim = 0).shape #结果为：torch.Size([1, 1, 2, 1, 2])torch.unsqueeze(t, dim = 2).shape# 在第3个维度索引上升高1个维度 #结果为：torch.Size([1, 2, 1, 1, 2]) 注意观察上面的结果torch.unsqueeze(t, dim = 4).shape# 在第5个维度索引上升高1个维度 #结果为：torch.Size([1, 2, 1, 2, 1]) 维度增加是从前往后数，在第几个位置插入1

注意理解：维度和shape返回结果一一对应的关系，shape返回的序列有几个元素，张量就有多少维度。维度增加是从前往后数，在shape返回序列的第几个位置插入1。