当前位置：首页 > article >正文

一文解释pytorch 中的 squeeze() 和 unsqueeze()函数（全网最详细版）

article 2025/2/6 23:08:06

🌈 个人主页：十二月的猫-CSDN博客
🔥 系列专栏： 🏀零基础入门PyTorch框架_十二月的猫的博客-CSDN博客

💪🏻 十二月的寒冬阻挡不了春天的脚步，十二点的黑夜遮蔽不住黎明的曙光

1. 前言

2. torch.squeeze(A，dim=a)

3. torch.unsqueeze(A，dim=a)

4. 总结

1. 前言

👑《零基础入门PyTorch》专栏持续更新中，未来最少文章数量为60篇。由于专栏刚刚建立，促销价为9.9。后续将慢慢恢复原价至99.9🍉【在校大学生】评论区留言并私信我免费订阅
👑《零基础入门PyTorch》专栏主要针对零基础入门的小伙伴。不需要Python基础，不需要深度学习基础，只要你愿意学，这一个专栏将真正让你做到零基础入门。
🔥每例项目都包括理论讲解、数据集、源代码。

正在更新中💹💹

🚨项目运行环境：

平台：Window11
语言环境：Python3.8
运行环境1：PyCharm 2021.3
运行环境2：Jupyter Notebook 7.3.2
框架：PyTorch 2.5.1（CUDA11.8）

首先来看squeeze单词的含义：

关注一个词：挤压——》衍生到人工智能中：降维

再来看看unsqueeze单词的含义：

关注一个词：解压——》衍生到人工智能中：升维

2. torch.squeeze(A，dim=a)

torch.squeeze()函数的作用：减少张量维度

torch.squeeze(A, a)函数的参数：A为要处理的张量，a表示压缩的维度（a=0表示压缩第一个维度）

注：

压缩操作只能针对维数为1的维度进行。
如果指定的维度的维数大于1，那么操作将无效。
如果不指定维度N，那么默认选择所有维度，也就是将删除所有维数为1的维度。

🌟不指定维度，默认选择所有维度压缩。例如：一个1×1×2×3的tensor，squeeze()之后便成了2×3。存储的数据并没有发生变化，但是去除了“多余”的维度信息：

import torch
a = torch.Tensor([[[[4,3,4],[1,2,3]]]])
print(a.size())
b = torch.squeeze(a) #如果不指定维度N，那么将压缩所有维度为1的维度
print(b.size())

🌟如果维度的维数为1，则不会进行任何操作。例如：一个2×2 的tensor，squeeze()之后还是2×2：

import torch
x = torch.rand(2, 2)
print(x.size())
x = x.squeeze()
print(x.size())

🌟指定维度压缩。如果被指定的维度其维数为1，则压缩，反之不对该维度操作。例如：一个 1×1×2×3的tensor 指定第三个维度，由于其维数为2，因此不做压缩；指定第一个维度，由于其维数为1，因此做压缩：

import torch
a = torch.Tensor([[[[4,3,4],[1,2,3]]]])
print(a.size())
b = torch.squeeze(a) #如果不指定维度N，那么将压缩所有维度为1的维度
print(b.size())
c = torch.squeeze(a,2) # 指定维度压缩。如果被指定的维度的维数为1，则压缩，反之不对该维度操作：
print(c.size())
d = torch.squeeze(a,0) # 指定维度压缩。如果被指定的维度的维数为1，则压缩，反之不对该维度操作：
print(d.size())

3. torch.unsqueeze(A，dim=a)

torch.unsqueeze 是 PyTorch 中的一个函数，用于在指定的维度上插入一个大小为1的维度

对于改变张量的形状（形状变换）非常有用，特别是在需要对张量的形状进行匹配以便进行后续操作时

大致用法如下：

torch.unsqueeze(input, dim)

input：输入的张量。
dim：要插入的维度索引。索引计算从0开始，若是负数则从末尾开始计算。

🌟在零维度上插入一个新维度

import torch

# 创建一个1D张量
x = torch.tensor([1, 2, 3])
print("原始张量：", x)
print("原始张量形状：", x.size())

# 在0维度上插入一个新的维度
x_unsqueezed = torch.unsqueeze(x, 0)
print("插入新维度后的张量：", x_unsqueezed)
print("插入新维度后的张量形状：", x_unsqueezed.size())

🌟在第一维度上插入一个新维度

import torch

# 创建一个1D张量
x = torch.tensor([1, 2, 3])
print("原始张量：", x)
print("原始张量形状：", x.shape)

# 在1维度上插入一个新的维度
x_unsqueezed = torch.unsqueeze(x, 1)
print("插入新维度后的张量：", x_unsqueezed)
print("插入新维度后的张量形状：", x_unsqueezed.shape)

🌟在一维张量中在第二维度插入一个新维度（第一维度并没有插入）

import torch

# 创建一个1D张量
x = torch.tensor([1, 2, 3])
print("原始张量：", x)
print("原始张量形状：", x.shape)

# 在1维度上插入一个新的维度
x_unsqueezed = torch.unsqueeze(x, 2)
print("插入新维度后的张量：", x_unsqueezed)
print("插入新维度后的张量形状：", x_unsqueezed.shape)