维度扩展
x.unsqueeze(n)
在 n 号位置添加 一个维度
例子：
import torch
x = torch.rand(3,2)
x1 = x.unsqueeze(0) # 在第一维的位置添加一个维度
x2 = x.unsqueeze(1) # 在第二维的位置添加一个维度
x3 = x.unsqueeze(2) # 在第三维的位置添加一个维度
print(x1.shape)
print(x2.shape)
print(x3.shape)
>> torch.Size([1, 3, 2])
>> torch.Size([3, 1, 2])
>> torch.Size([3, 2, 1])
由上面的例子可见，tensor.unsqueeze(n) 可以很方便的为tensor添加一个维度，那么是不是可以在tensor的任意维度上添加一个维度呢，答案是否定的，即参数 n 存在范围，n 位于 [-(dim+1), dim]; 其中 dim为tensor的维度的个数，比如在上例中，tensor x 的dim = 2， 即在上例中 n 不位于 [-3, 2] 时会报错。如下：
import torch
x = torch.rand(3,2)
x1 = x.unsqueeze(3)
x2 = x.unsqueeze(-4)
print(x1.shape)
print(x2.shape)
>> IndexError: Dimension out of range (expected to be in range of [-3, 2], but got 3)
>> IndexError: Dimension out of range (expected to be in range of [-3, 2], but got -4)
没错，n 的值还能是负数，其负数表示的是在从右往左的 |n| 的维数上增加一维，例：
import torch
x = torch.rand(3,2)
x1 = x.unsqueeze(-1)
x2 = x.unsqueeze(-2)
print(x1.shape)
print(x2.shape)
>> torch.Size([3, 2, 1])
>> torch.Size([3, 1, 2])
此外还有一种语法的变体 torch.unsqueeze(x,n) , 作用同 x.unsqueeze(n)，都表示在第n位的位置添加1维，只不过语法稍有区别。
维度压缩
x.squeeze(n)
对 第 n 维 的位置进行维度压缩，如果该位置的维度值为1 ，则压缩，否则不进行任何操作。而当不设置 参数 n 时 即： x.squeeze() ,则对tensor x 的所有维度值为1的维度进行压缩，而其余不为1 的维度不进行处理。如下：
import torch
x = torch.rand(3,2,1)
x1 = x.squeeze(2) # n号位置上的维度为1。 压缩
x2 = x.squeeze(1) # n号位置上的维度不为1。 不处理
x3 = x.unsqueeze(0)
x3 = x3.squeeze() # 对tensor x3 的所有维度为1的维度压缩
>> torch.Size([3, 2])
>> torch.Size([3, 2, 1])
>> torch.Size([3, 2])
同样的，与 unsqueeze() 一样， squeeze(n) 的 参数 n 一样存在范围，且均为 [-(dim+1), dim]; 其中 dim为tensor的维度的个数，在上例中，tensor x 的dim = 2。当n超过这个范围时就会报错。如下：
import torch
x = torch.rand(3,2,1)
x1 = x.squeeze(4)
print(x1)
>> IndexError: Dimension out of range (expected to be in range of [-3, 2], but got 4)
也同样的，此外还有一种语法的变体 torch.squeeze(x,n) , 作用同 x.squeeze(n)，都表示在第n位的位置压缩维度（如果该位置维度为1），只不过语法稍有区别。
同：两者都可以获得tensor的维度大小：
import torch
x = torch.rand(3,2,1)
print(x.shape)
print(x.size())
>> torch.Size([3, 2, 1])
>> torch.Size([3, 2, 1])
异： shape 是一个Tensor类中的属性，作为Tensor类的实例可以直接通过 . 的方式获得shape属性，即获得tensor的维度的大小；
size() 是 Tensor类继承来的无参方法，所以其要带小括号，Tensor类的实例也可以调用类的成员方法。
另外，在 python 的库 numpy 中，size和shape 是numpy中的函数，size()计算矩阵中所有元素的个数；shape()返回矩阵的维度值。如下：
import numpy as np
x = np.array([[1,2,3],[4,5,6],[7,8,9]])
print(np.shape(x))
print(np.size(x))
print(x.shape[0]) # 显示矩阵的行数
>> (3, 3)
>> 9
>> 3
Original: https://www.cnblogs.com/jack-nie-23/p/16479399.html
Author: jacknie23
Title: Pytorch Tensor 维度的扩充和压缩
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/582394/
转载文章受原作者版权保护。转载请注明原作者出处！