torch中 squeeze 和 unsqueeze 的不同用法

1 squeeze()的用法

torch.squeeze
torch.squeeze(input, dim = None, *, out = None)
. input:输入的张量
. dim 选择需要降维的维度，默认是None

为什么要降维
如果维度是 1 ，那么，1 仅仅起到扩充维度的作用，而没有其他用途，因而，在进行降维操作时，为了加快计算，是可以去掉这些 1 的维度。在多维张量中，如果某一个维度是1，那么这个维度是为了扩充维度，所以为了加快计算，进行降维操作时可以去掉1的维度。

1）对指定的维度进行降维

import torch
A = torch.ones((1,2,3,1,4,2))

A.shape
torch.Size([1, 2, 3, 1, 4, 2])

（a)如果某个维度为1，则对此维度进行降维

B = torch.squeeze(A,dim=0)
B.shape
torch.Size([2, 3, 1, 4, 2])

C = torch.squeeze(A,dim=3)
C.shape
torch.Size([1, 2, 3, 4, 2])

（b) 某个维度不为1，则无法对此维度进行降维

D = torch.squeeze(A,dim=2)
D.shape
torch.Size([1, 2, 3, 1, 4, 2])

2） 默认使用torch.squeeze ，不指定维度

E = torch.squeeze(A)
E.shape
torch.Size([2, 3, 4, 2])

不指定维度，则会将所有为1 的维度全部降维，保留不是1 的维度

2.torch.unsqueeze的用法

torch.unsqueeze 是为了升维
torch.unsqueeze(input,dim)
input: 插入的张量
dim: 指定在某个维度进行升维

W = torch.ones((2,3,5))
W.shape
torch.Size([2, 3, 5])

M = torch.unsqueeze(W, dim = 0)
M.shape
torch.Size([1, 2, 3, 5])