在 PyTorch 中解压（解压.PyTorch...）

pytorch 中的 unsqueeze() 函数详解

本文将详细解释 PyTorch 中 unsqueeze() 函数的功能和用法。unsqueeze() 函数可以为张量添加一个维度，其大小为 1。这在处理神经网络中的数据时非常有用，例如将批大小为 1 的样本添加到批处理维度中。

在 PyTorch 中解压

unsqueeze() 函数参数:

input (Tensor): 输入张量。支持 int、float、complex 或 bool 类型。
dim (int): 要插入新维度的维度索引。 dim 可以是负数，表示从后往前计数。例如，dim=-1 表示在最后一个维度之后添加新维度。

unsqueeze() 函数用法:

unsqueeze() 函数可以以两种方式使用：

作为 torch.unsqueeze() 函数调用：

import torch

tensor = torch.tensor([1, 2, 3])
new_tensor = torch.unsqueeze(input=tensor, dim=0)  # 在维度 0 添加一个维度
print(new_tensor)  # 输出: tensor([[1, 2, 3]])

作为张量的方法调用：

import torch

tensor = torch.tensor([1, 2, 3])
new_tensor = tensor.unsqueeze(0)  # 在维度 0 添加一个维度
print(new_tensor)  # 输出: tensor([[1, 2, 3]])

示例:

以下示例演示了 unsqueeze() 函数在不同维度上添加新维度的效果：

import torch

my_tensor = torch.tensor([[0, 1, 2],
                          [3, 4, 5],
                          [6, 7, 8],
                          [10, 11, 12]])

print("原始张量:
", my_tensor)

print("
在维度 0 添加维度:
", torch.unsqueeze(input=my_tensor, dim=0))
print("
在维度 1 添加维度:
", torch.unsqueeze(input=my_tensor, dim=1))
print("
在维度 2 添加维度:
", torch.unsqueeze(input=my_tensor, dim=2))
print("
在维度 -1 添加维度:
", torch.unsqueeze(input=my_tensor, dim=-1)) # 等同于dim=2

# 测试不同数据类型
my_tensor_float = torch.tensor([[0., 1., 2.], [3., 4., 5.]])
my_tensor_complex = torch.tensor([[0.+0.j, 1.+0.j], [2.+0.j, 3.+0.j]])
my_tensor_bool = torch.tensor([[True, False], [False, True]])

print("
浮点数张量在维度0添加维度:
", torch.unsqueeze(input=my_tensor_float, dim=0))
print("
复数张量在维度0添加维度:
", torch.unsqueeze(input=my_tensor_complex, dim=0))
print("
布尔型张量在维度0添加维度:
", torch.unsqueeze(input=my_tensor_bool, dim=0))

总结:

unsqueeze() 函数是 PyTorch 中一个非常实用的工具，可以方便地为张量添加维度，从而适应不同的模型输入要求。记住 dim 参数的正负索引方式，可以灵活地控制新维度的插入位置。

以上就是在 PyTorch 中解压的详细内容，更多请关注知识资源分享宝库其它相关文章！