torch.unsqueeze()和torch.unsqueeze()

### torch.unsqueeze 函数详解 `torch.unsqueeze` 是 PyTorch 中用于在指定位置插入维度的函数。它能够在张量（Tensor）中增加一个大小为 1 的维度，从而改变张量的形状。以下是该函数的参数说明和使用示例。 #### 参数详解 - **input**: 输入张量。 - **dim**: 指定要插入新维度的位置。如果 `dim=0`，则新维度会被插入到最前面；如果 `dim=-1` 或其他负数，则从最后开始计算位置[^1]。 #### 使用示例 以下代码展示了如何使用 `torch.unsqueeze` 在不同位置插入新维度： ```python import torch x = torch.tensor([1, 2, 3, 4]) # 原始张量 shape: (4,) y = torch.unsqueeze(x, 0) # 插入到第 0 维度，shape: (1, 4) z = torch.unsqueeze(x, 1) # 插入到第 1 维度，shape: (4, 1) print("Original Tensor:", x.shape) # 输出: torch.Size([4]) print("After unsqueeze(dim=0):", y.shape) # 输出: torch.Size([1, 4]) print("After unsqueeze(dim=1):", z.shape) # 输出: torch.Size([4, 1]) ``` #### 注意事项 - 如果输入张量已经是期望的形状，则调用 `torch.unsqueeze` 不会改变其值或内容，仅改变形状。 - 插入的维度必须合法，不能超出张量的总维度范围[^2]。 #### 应用场景 `torch.unsqueeze` 常用于调整张量形状以满足某些操作的需求，例如： - 将一维向量转换为二维矩阵以便进行矩阵运算。 - 调整张量形状以匹配神经网络模型的输入要求。 ```python a = torch.rand((2, 3)) # shape: (2, 3) b = torch.unsqueeze(a, 1) # shape: (2, 1, 3) print("Original Tensor:", a.shape) # 输出: torch.Size([2, 3]) print("After unsqueeze(dim=1):", b.shape) # 输出: torch.Size([2, 1, 3]) ```