【python】【PyTorch】详细中文解释unsqueeze，代码和代码解读

目录

【python】【PyTorch】详细中文解释unsqueeze，代码和代码解读 

unsqueeze() 函数的作用：

语法：

unsqueeze() 操作示例：

示例 1：将一个一维张量转换为二维张量

示例 2：在最后一维插入一个新维度

示例 3：负索引插入维度

示例 4：将二维张量转为三维张量

总结：

【python】【PyTorch】详细中文解释unsqueeze，代码和代码解读 

在 PyTorch 中，unsqueeze() 是一个非常实用的函数，用于在张量的指定位置插入一个维度。

简而言之，unsqueeze() 通过增加一个长度为1的维度来扩展张量的维度。

unsqueeze() 函数的作用：

unsqueeze() 函数将一个张量的维度增加 1。

这个函数常用于调整张量的形状，特别是在需要将一个二维或一维张量转换为更高维度的张量时。

语法：

torch.unsqueeze(input, dim)

unsqueeze() 操作示例：

示例 1：将一个一维张量转换为二维张量

假设我们有一个一维张量 [1, 2, 3]，我们希望通过 unsqueeze() 将其转换为一个二维张量，并在第 0 维度（最前面）插入一个新的维度。

import torch

# 创建一个一维张量
x = torch.tensor([1, 2, 3])

# 在第0维插入一个新的维度
y = torch.unsqueeze(x, 0)

print("Original shape:", x.shape)  # 原始张量形状
print("New shape:", y.shape)  # 新张量形状
print(y)

输出：

Original shape: torch.Size([3])
New shape: torch.Size([1, 3])
tensor([[1, 2, 3]])

示例 2：在最后一维插入一个新维度

假设我们希望将张量 [1, 2, 3] 变成形状为 (3, 1) 的二维张量，我们可以在第 1 维（最后一维）插入一个新的维度。

# 在第1维插入一个新的维度
z = torch.unsqueeze(x, 1)

print("Original shape:", x.shape)
print("New shape:", z.shape)
print(z)

输出：

Original shape: torch.Size([3])
New shape: torch.Size([3, 1])
tensor([[1],
        [2],
        [3]])

示例 3：负索引插入维度

我们可以使用负数索引来指定维度的位置。负数表示从最后一个维度开始计数。

# 在倒数第一维（最后一维）插入一个新的维度
w = torch.unsqueeze(x, -1)

print("Original shape:", x.shape)
print("New shape:", w.shape)
print(w)

输出：

Original shape: torch.Size([3])
New shape: torch.Size([3, 1])
tensor([[1],
        [2],
        [3]])

示例 4：将二维张量转为三维张量

如果我们有一个形状为 (2, 3) 的二维张量，并希望将其转换为三维张量（例如，插入一个维度表示批次大小），我们可以使用 unsqueeze()。

# 创建一个二维张量
a = torch.tensor([[1, 2, 3], [4, 5, 6]])

# 在第0维插入新维度
b = torch.unsqueeze(a, 0)

print("Original shape:", a.shape)
print("New shape:", b.shape)
print(b)

输出：

Original shape: torch.Size([2, 3])
New shape: torch.Size([1, 2, 3])
tensor([[[1, 2, 3],
         [4, 5, 6]]])

总结：

作者：资源存储库