简介

torch.squeeze(input, dim=None, out=None)：对数据的维度进行压缩，去掉维数为1的的维度。
squeeze函数功能：去除size为1的维度，包括行和列。当维度大于等于2时，squeeze()无作用。
squeeze(0)：代表若第一维度值为1则去除第一维度，例如 a.squeeze(0)，a 为 torch.tensor() 格式张量。
squeeze(1)：代表若第二维度值为1则去除第二维度
squeeze(-1)：去除最后维度值为1的维度

torch.unsqueeze (input, dim=None, out=None)：对数据的维度进行扩容，即升维。

使用格式可以是torch.unsqueeze(x, 0)，也可为是x.unsqueeze(0)。

实例代码

a = torch.Tensor(1, 3)
print(a)
print(a.squeeze(0))
print(a.squeeze(1))

b = torch.Tensor(2, 3)
print(b)
print(b.squeeze(0))
print(b.squeeze(1))

c = torch.Tensor(3, 1)
print(c)
print(c.squeeze(0))
print(c.squeeze(1))

x = torch.tensor([1, 2, 3, 4])
print(x)
print(torch.unsqueeze(x, 0))
print(torch.unsqueeze(x, 1))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

过程解析

定义张量 a，为 2 维，第一维度有 1 个元素，第二维度有 3 个元素。
输出：tensor([[2.6994e-30, 2.4164e-13, 1.8392e-13]])
通过 a.squeeze(0) 对第一维度进行降维，此时第一维度有 1 个元素，可降维，第一维度消失，第二维度自动变成第一维度有三个元素，与 a 相比，即消失了一层 “[]”。
输出：tensor([2.6994e-30, 2.4164e-13, 1.8392e-13])
通过 a.squeeze(1) 对第二维度进行降维，此时第一维度有 3 个元素，不可降维，则不做操作，输出与 a 相同。
输出：tensor([[2.6994e-30, 2.4164e-13, 1.8392e-13]])

定义张量 b，为 2 维，第一维度有 2 个元素，第二维度有 3 个元素。
第一、二维度均不可降维，因为三次输出相同。
输出：

tensor([[0., 0., 0.],
        [0., 0., 0.]])
tensor([[0., 0., 0.],
        [0., 0., 0.]])
tensor([[0., 0., 0.],
        [0., 0., 0.]])
1
2
3
4
5
6

定义张量 c，为 2 维，第一维度有 3 个元素，第二维度有 1 个元素。
输出：

tensor([[0.0000e+00],
        [       nan],
        [5.2781e-24]])
1
2
3

通过 c.squeeze(0) 对第一维度进行降维，此时第一维度有 3 个元素，不可降维，则不做操作，输出与 c 相同。
输出：

tensor([[0.0000e+00],
        [       nan],
        [5.2781e-24]])
1
2
3

通过 c.squeeze(1) 对第二维度进行降维，此时第二维度有 1 个元素，可降维，第二维度消失，第二维度数值自动进入第一维度中。
输出：
tensor([0.0000e+00, nan, 5.2781e-24])

定义张量 x，为 1 维，其中数值依次为 1, 2, 3, 4。
输出：tensor([1, 2, 3, 4])
通过 x.unsqueeze(0) 于第一维度位置增加一个维度，使原张量变成 2 维，维度变为 (1, 4)。与 x 相比，即增加了一层 “[]”。
输出：tensor([[1, 2, 3, 4]])
通过 x.unsqueeze(1) 于第二维度位置增加一个维度，使原张量变成 2 维，维度变为 (4, 1)。
输出：tensor([[1], [2], [3], [4]])

运行结果

tensor([[2.6994e-30, 2.4164e-13, 1.8392e-13]])
tensor([2.6994e-30, 2.4164e-13, 1.8392e-13])
tensor([[2.6994e-30, 2.4164e-13, 1.8392e-13]])
tensor([[0., 0., 0.],
        [0., 0., 0.]])
tensor([[0., 0., 0.],
        [0., 0., 0.]])
tensor([[0., 0., 0.],
        [0., 0., 0.]])
tensor([[0.0000e+00],
        [       nan],
        [5.2781e-24]])
tensor([[0.0000e+00],
        [       nan],
        [5.2781e-24]])
tensor([0.0000e+00,        nan, 5.2781e-24])
tensor([1, 2, 3, 4])
tensor([[1, 2, 3, 4]])
tensor([[1],
        [2],
        [3],
        [4]])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22