相信刚接触Pytorch的宝宝们,会遇到这样一个问题,输入的数据维度和实验需要维度不一致,输入的可能是2维数据或3维数据,实验需要用到3维或4维数据,那么我们需要扩展这个维度。其实特别简单,只要对数据加一个扩展维度方法就可以了。
1.1 torch.unsqueeze(self: Tensor, dim: _int)
torch.unsqueeze(self: Tensor, dim: _int)
参数说明:self:输入的tensor数据,dim:要对哪个维度扩展就输入那个维度的整数,可以输入0,1,2……
1.2 Code
第一种方式,输入数据后直接加unsqueeze()
扩展第一维和第二维为1
1 import torch 2 3 4 def reset_unsqueeze1(): 5 data = torch.rand([3, 3]) 6 data1 = data.unsqueeze(dim=0).unsqueeze(dim=1) 7 print("data_size: ", data.shape) 8 print("data: ", data) 9 print("data1_size: ", data1.shape) 10 print("data1: ", data1)
结果显示
第二种方式,用torch.unsqueeze()
1 import torch 2 3 4 def reset_unsqueeze2(): 5 data = torch.rand([3, 3]) 6 data1 = torch.unsqueeze(data, dim=0) 7 print("data_size: ", data.shape) 8 print("data: ", data) 9 print("data1_size: ", data1.shape) 10 print("data1: ", data1)
结果显示
2. 压缩Tensor维度
2.1 torch.squeeze(self: Tensor, dim: _int)
这个方法刚好和torch.unsqueeze()方法效果相反,压缩Tensor维度。
2.2 Code
第一种方式,输入数据后直接加squeeze()
1 import torch 2 3 4 def reset_squeeze1(): 5 data = torch.rand([1, 1, 3, 3]) 6 data1 = data.squeeze(dim=0).squeeze(dim=1) 7 print("data_size: ", data.shape) 8 print("data: ", data) 9 print("data1_size: ", data1.shape) 10 print("data1: ", data1)
结果显示
第二种方式,用torch.squeeze()
1 import torch 2 3 4 def reset_squeeze2(): 5 data = torch.rand([1, 1, 3, 3]) 6 data1 = torch.squeeze(data, dim=0) 7 print("data_size: ", data.shape) 8 print("data: ", data) 9 print("data1_size: ", data1.shape) 10 print("data1: ", data1)
结果显示
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Pytorch 扩展Tensor维度、压缩Tensor维度 - Python技术站