pytorch中的torch.squeeze和torch.unsqueeze

在PyTorch中，`torch.unsqueeze()`函数的主要作用是在给定的维度上为张量增加一个尺寸（即维度），使得原本一维的数据变得更具有多维性。这个操作常用于数据预处理，以便于适应某些模型的输入要求，比如深度学习模型通常期望输入有特定的形状。 代码示例展示了如何使用`torch.unsqueeze()`： ```python import torch x = torch.tensor([1, 2, 3, 4]) # 原始一维张量 y = torch.unsqueeze(x, 0) # 在第0维增加一个维度，结果变为：[[1, 2, 3, 4]] print(y.size()) # 输出：torch.Size([1, 4]) # 这里，我们增加了x的第一个维度，使其从(4,)变成(1, 4)，这样即使原始数据是一维的，也可以作为网络的一个样本输入。 ``` 相反，`torch.squeeze()`则用于移除张量中长度为1的维度。当你想要消除这些额外的维度时，这个函数很有用，以保持数据的紧凑表示。 ```python # 示例中，x 是一个沿着第二个维度大小为1的张量 x_data = torch.linspace(-1, 1, 100) # shape (100,) x = torch.unsqueeze(x_data, dim=1) # 增加维度后的x, shape (100, 1) print(x.size()) # torch.Size([100, 1]) # 使用squeeze移除多余的维度 y = torch.squeeze(x) # 结果保持原shape，即 (100,) print(y.size()) # torch.Size([100]) ```