torch张量的降维与升维

---

一、降维和升维

squeeze和unsqueeze是torch张量常用的降维与升维的一种方式，但这种方式只能增添或减少大小为1的维度，如下：

x1 = torch.randn(1, 8, 256, 256)
x1 = torch.squeeze(x1,dim=0)
print(x1.shape) # torch.Size([8, 256, 256])

x2 = torch.randn(8, 1, 256, 256)
x2 = torch.squeeze(x2,dim=1)
print(x2.shape) # torch.Size([8, 256, 256])

x1 = torch.randn(8, 256, 256)
x1 = torch.unsqueeze(x1,dim=0)
print(x1.shape)  # torch.Size([1, 8, 256, 256])

x2 = torch.randn(8, 256, 256)
x2 = torch.unsqueeze(x2,dim=1)
print(x2.shape)  # torch.Size([8, 1, 256, 256])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

但如果维度大小不为1，squeeze就无效了。
降维：可以使用torch.mean()函数来对维度X进行求平均值，相当于将维度X的所有通道合并为一个单一的通道。
升维：可以使用expand()函数对需要的尺寸进行扩展（其他维度传递-1作为参数，表示在那个维度不进行扩展）。

x1 = torch.randn(2, 8, 256, 256)
x1 = torch.mean(x1, dim=0)
print(x1.shape) # torch.Size([8, 256, 256])

x2 = torch.randn(8, 3, 256, 256)
x2 = torch.mean(x2, dim=1)
print(x2.shape) # torch.Size([8, 256, 256])

x3 = torch.randn(8, 256, 256)
x3 = x3.unsqueeze(0).expand(4,-1,-1,-1)
print(x3.shape)  # torch.Size([4, 8, 256, 256])

x4 = torch.randn(16, 256, 256)
x4 = x4.unsqueeze(1).expand(-1, 8, -1, -1)
print(x4.shape) # torch.Size([16, 8, 256, 256])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

未完待续…