這篇文章將為大家詳細講解有關利用Pytorch如何實現壓縮Tensor維度和擴展Tensor維度，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。
1. 擴展Tensor維度
相信剛接觸Pytorch的寶寶們，會遇到這樣一個問題，輸入的數據維度和實驗需要維度不一致，輸入的可能是2維數據或3維數據，實驗需要用到3維或4維數據，那么我們需要擴展這個維度。其實特別簡單，只要對數據加一個擴展維度方法就可以了。
1.1torch.unsqueeze(self: Tensor, dim: _int)
torch.unsqueeze(self: Tensor, dim: _int)
參數說明：self:輸入的tensor數據，dim：要對哪個維度擴展就輸入那個維度的整數，可以輸入0，1，2……
1.2Code
第一種方式，輸入數據后直接加unsqueeze()
擴展第一維和第二維為1
import torch
def reset_unsqueeze1():
data = torch.rand([3, 3])
data1 = data.unsqueeze(dim=0).unsqueeze(dim=1)
print("data_size: ", data.shape)
print("data: ", data)
print("data1_size: ", data1.shape)
print("data1: ", data1)結果顯示
第二種方式，用torch.unsqueeze()
import torch
def reset_unsqueeze2():
data = torch.rand([3, 3])
data1 = torch.unsqueeze(data, dim=0)
print("data_size: ", data.shape)
print("data: ", data)
print("data1_size: ", data1.shape)
print("data1: ", data1)結果顯示
2. 壓縮Tensor維度
2.1torch.squeeze(self: Tensor, dim: _int)
這個方法剛好和torch.unsqueeze()方法效果相反，壓縮Tensor維度。
2.2 Code
第一種方式，輸入數據后直接加squeeze()
import torch
def reset_squeeze1():
data = torch.rand([1, 1, 3, 3])
data1 = data.squeeze(dim=0).squeeze(dim=1)
print("data_size: ", data.shape)
print("data: ", data)
print("data1_size: ", data1.shape)
print("data1: ", data1)結果顯示
第二種方式，用torch.squeeze()
import torch
def reset_squeeze2():
data = torch.rand([1, 1, 3, 3])
data1 = torch.squeeze(data, dim=0)
print("data_size: ", data.shape)
print("data: ", data)
print("data1_size: ", data1.shape)
print("data1: ", data1)結果顯示
關于利用Pytorch如何實現壓縮Tensor維度和擴展Tensor維度就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
