在 PyTorch 中解压

百变鹏仔 5天前 #Python

文章标签 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。

unsqueeze() 函数参数:

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 torchtensor = 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 torchtensor = 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 torchmy_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。

文章推荐

在 PyTorch 中解压

使用Python从字符串的末尾删除给定的子字符串

2020年适用于Linux程序员的10个最佳Python集成开发环境

获取字典中的第一个和最后一个元素的Python程序

在Python中漂亮地打印XML

Python日志基础 - 简易指南