淺析對torch.unsqueeze()函數(shù)理解

更新時間：2024年06月24日 10:56:17 作者：路過不知道

torch.unsqueeze()函數(shù)起到升維的作用,dim等于幾表示在第幾維度加一,這篇文章主要介紹了對torch.unsqueeze()函數(shù)理解深度解析,感興趣的朋友跟隨小編一起看看吧

torch.unsqueeze()函數(shù)理解

torch.unsqueeze(input, dim)  使用時等同于  input.unsqueeze(dim)

torch.unsqueeze()函數(shù)起到升維的作用，dim等于幾表示在第幾維度加一，比如原來x的size=([4])，x.unsqueeze(0)之后就變成了size=([1, 4])，而x.unsqueeze(1)之后就變成了size=([4, 1])，注意dim∈[-input.dim() - 1, input.dim() + 1]
例如

輸入一維張量，即input.dim()=1

# 輸入：
x = torch.tensor([1, 2, 3, 4])  # x.dim()=1
print(x)
print(x.shape)
y = x.unsqueeze(0)
print(y)
print(y.shape)  # 此時y.dim()=2
z = x.unsqueeze(1)
print(z)
print(z.shape)  # 此時z.dim()=2

# 輸出：
tensor([1, 2, 3, 4])
torch.Size([4])
tensor([[1, 2, 3, 4]])
torch.Size([1, 4])
tensor([[1],
        [2],
        [3],
        [4]])
torch.Size([4, 1])

輸入二維張量，即input.dim()=2

# 輸入：
x = torch.tensor([[1, 2, 3], [4, 5, 6]])  # x.dim()=2
print(x)
print(x.shape)
y = x.unsqueeze(0)
print(y)
print(y.shape)  # 此時y.dim()=3
z = x.unsqueeze(1)
print(z)
print(z.shape)  # 此時z.dim()=3

# 輸出：
tensor([[1, 2, 3],
        [4, 5, 6]])
torch.Size([2, 3])
tensor([[[1, 2, 3],
         [4, 5, 6]]])
torch.Size([1, 2, 3])
tensor([[[1, 2, 3]],
        [[4, 5, 6]]])
torch.Size([2, 1, 3])

輸入四維張量，即input.dim()=4

# 輸入：
x = torch.tensor([[[[1, 2, 3], 
                    [4, 5, 6]],
                [[0, 2, 1], 
                 [1, 5, 2]]],
                [[[1, 2, 3], 
                  [4, 5, 6]],
                [[0, 2, 1], 
                 [1, 5, 2]]]])
print(x)
print(x.shape)
y2 = x.unsqueeze(2)
print(y2)
print(y2.shape)
y3 = x.unsqueeze(3)
print(y3)
print(y3.shape)

# 輸出：
tensor([[[[1, 2, 3],
          [4, 5, 6]],
         [[0, 2, 1],
          [1, 5, 2]]],
        [[[1, 2, 3],
          [4, 5, 6]],
         [[0, 2, 1],
          [1, 5, 2]]]])
torch.Size([2, 2, 2, 3])
tensor([[[[[1, 2, 3],
           [4, 5, 6]]],
         [[[0, 2, 1],
           [1, 5, 2]]]],
        [[[[1, 2, 3],
           [4, 5, 6]]],
         [[[0, 2, 1],
           [1, 5, 2]]]]])
torch.Size([2, 2, 1, 2, 3])
tensor([[[[[1, 2, 3]],
          [[4, 5, 6]]],
         [[[0, 2, 1]],
          [[1, 5, 2]]]],
        [[[[1, 2, 3]],
          [[4, 5, 6]]],
         [[[0, 2, 1]],
          [[1, 5, 2]]]]])
torch.Size([2, 2, 2, 1, 3])

到此這篇關于torch.unsqueeze()函數(shù)理解的文章就介紹到這了,更多相關torch.unsqueeze()函數(shù)內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: