【PyTorch基础教程18】squeeze和unsqueeze

举报
野猪佩奇996 发表于 2022/01/22 23:07:20 2022/01/22
【摘要】 学习总结 一、应用场景 栗子:torch.nn只支持小批量处理 (mini-batches)。整个 torch.nn 包只支持小批量样本的输入,不支持单个样本的输入。比如,nn.Conv2d 接受一个...

学习总结

一、应用场景

栗子:torch.nn只支持小批量处理 (mini-batches)。整个 torch.nn 包只支持小批量样本的输入,不支持单个样本的输入。比如,nn.Conv2d 接受一个4维的张量,即nSamples x nChannels x Height x Width,如果是一个单独的样本,只需要使用input.unsqueeze(0) 来添加一个“假的”批大小维度。

PS:pytorch中,处理图片必须一个batch一个batch的操作,所以我们要准备的数据的格式是 [batch_size, n_channels, hight, width]

二、升维和降维

降维:squeeze(input, dim = None, out = None)函数
(1)在不指定dim时,张量中形状为1的所有维都会除去。如input为(A, 1, B, 1, C, 1, D),output为(A, B, C, D)。

(2)如果要指定dim,降维操作只能在给定的维度上,如input为(A, 1, B)时:
错误用法:squeeze(input, dim = 0)会发现shape没变化,如下:

d = torch.randn(4, 1, 3)
print("d:", d)
# 没有变化
d1 = torch.squeeze(d, dim = 0) # 还是[4, 1, 3]
print("d1和d1的shape:", d1, d1.shape)

# dim=1处维除去
d2 = torch.squeeze(d, dim = 1) # 变成torch.Size([4, 3])
print("d2和d2的shape:", d2, d2.shape)

  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

结果为:

d: tensor([[[ 1.8679, -0.9913, -2.6257]],

        [[-0.1690, -0.9938,  1.1178]],

        [[-1.2449,  2.5249,  2.2579]],

        [[ 0.2890, -0.5222, -0.2853]]])
d1和d1的shape: tensor([[[ 1.8679, -0.9913, -2.6257]],

        [[-0.1690, -0.9938,  1.1178]],

        [[-1.2449,  2.5249,  2.2579]],

        [[ 0.2890, -0.5222, -0.2853]]]) torch.Size([4, 1, 3])
d2和d2的shape: tensor([[ 1.8679, -0.9913, -2.6257],
        [-0.1690, -0.9938,  1.1178],
        [-1.2449,  2.5249,  2.2579],
        [ 0.2890, -0.5222, -0.2853]]) torch.Size([4, 3])

  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18

torch.unsqueeze有两种写法:

# -*- coding: utf-8 -*-
"""
Created on Fri Nov 26 20:08:58 2021

@author: 86493
"""
import torch
a = torch.tensor([1, 2, 3, 4])
print("a的shape:", a.shape)

# 将a的第一维升高 
b = torch.unsqueeze(a, dim = 0)
# b = a.unsqueeze(dim = 0) # 和上面的写法等价 
print("b和b的shape:", b, b.shape)

# 对b降维,去掉所有形状中为1的维 
c = b.squeeze()
print("c和c的shape:", c, c.shape)

  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18

结果为如下,即对第一维度升高后,b从a =【4】变为b=【【1, 2, 3,4】】:

a的shape: torch.Size([4])
b和b的shape: tensor([[1, 2, 3, 4]]) torch.Size([1, 4])
c和c的shape: tensor([1, 2, 3, 4]) torch.Size([4])

  
 
  • 1
  • 2
  • 3

Reference

https://zhuanlan.zhihu.com/p/86763381

文章来源: andyguo.blog.csdn.net,作者:山顶夕景,版权归原作者所有,如需转载,请联系作者。

原文链接:andyguo.blog.csdn.net/article/details/121567683

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

举报
请填写举报理由
0/200