◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。
在 PyTorch 中解压
ID:22125 / 打印pytorch 中的 unsqueeze() 函数详解
本文将详细解释 PyTorch 中 unsqueeze() 函数的功能和用法。unsqueeze() 函数可以为张量添加一个维度，其大小为 1。这在处理神经网络中的数据时非常有用，例如将批大小为 1 的样本添加到批处理维度中。
unsqueeze() 函数参数:
- input (Tensor): 输入张量。 支持 int、float、complex 或 bool 类型。
- dim (int): 要插入新维度的维度索引。 dim 可以是负数，表示从后往前计数。例如，dim=-1 表示在最后一个维度之后添加新维度。
unsqueeze() 函数用法:
unsqueeze() 函数可以以两种方式使用：
-
作为 torch.unsqueeze() 函数调用：
import torch tensor = torch.tensor([1, 2, 3]) new_tensor = torch.unsqueeze(input=tensor, dim=0) # 在维度 0 添加一个维度 print(new_tensor) # 输出: tensor([[1, 2, 3]])
-
作为张量的方法调用：
import torch tensor = torch.tensor([1, 2, 3]) new_tensor = tensor.unsqueeze(0) # 在维度 0 添加一个维度 print(new_tensor) # 输出: tensor([[1, 2, 3]])
示例:
以下示例演示了 unsqueeze() 函数在不同维度上添加新维度的效果：
import torch my_tensor = torch.tensor([[0, 1, 2], [3, 4, 5], [6, 7, 8], [10, 11, 12]]) print("原始张量: ", my_tensor) print(" 在维度 0 添加维度: ", torch.unsqueeze(input=my_tensor, dim=0)) print(" 在维度 1 添加维度: ", torch.unsqueeze(input=my_tensor, dim=1)) print(" 在维度 2 添加维度: ", torch.unsqueeze(input=my_tensor, dim=2)) print(" 在维度 -1 添加维度: ", torch.unsqueeze(input=my_tensor, dim=-1)) # 等同于dim=2 # 测试不同数据类型 my_tensor_float = torch.tensor([[0., 1., 2.], [3., 4., 5.]]) my_tensor_complex = torch.tensor([[0.+0.j, 1.+0.j], [2.+0.j, 3.+0.j]]) my_tensor_bool = torch.tensor([[True, False], [False, True]]) print(" 浮点数张量在维度0添加维度: ", torch.unsqueeze(input=my_tensor_float, dim=0)) print(" 复数张量在维度0添加维度: ", torch.unsqueeze(input=my_tensor_complex, dim=0)) print(" 布尔型张量在维度0添加维度: ", torch.unsqueeze(input=my_tensor_bool, dim=0)) 总结:
unsqueeze() 函数是 PyTorch 中一个非常实用的工具，可以方便地为张量添加维度，从而适应不同的模型输入要求。 记住 dim 参数的正负索引方式，可以灵活地控制新维度的插入位置。
