这篇文章将为大家详细讲解有关利用Pytorch如何实现压缩Tensor维度和扩展Tensor维度,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。
1. 扩展Tensor维度
相信刚接触Pytorch的宝宝们,会遇到这样一个问题,输入的数据维度和实验需要维度不一致,输入的可能是2维数据或3维数据,实验需要用到3维或4维数据,那么我们需要扩展这个维度。其实特别简单,只要对数据加一个扩展维度方法就可以了。
1.1torch.unsqueeze(self: Tensor, dim: _int)
torch.unsqueeze(self: Tensor, dim: _int)
参数说明:self:输入的tensor数据,dim:要对哪个维度扩展就输入那个维度的整数,可以输入0,1,2……
1.2Code
第一种方式,输入数据后直接加unsqueeze()
扩展第一维和第二维为1
import torch def reset_unsqueeze1(): data = torch.rand([3, 3]) data1 = data.unsqueeze(dim=0).unsqueeze(dim=1) print("data_size: ", data.shape) print("data: ", data) print("data1_size: ", data1.shape) print("data1: ", data1)
结果显示
第二种方式,用torch.unsqueeze()
import torch def reset_unsqueeze2(): data = torch.rand([3, 3]) data1 = torch.unsqueeze(data, dim=0) print("data_size: ", data.shape) print("data: ", data) print("data1_size: ", data1.shape) print("data1: ", data1)
结果显示
2. 压缩Tensor维度
2.1torch.squeeze(self: Tensor, dim: _int)
这个方法刚好和torch.unsqueeze()方法效果相反,压缩Tensor维度。
2.2 Code
第一种方式,输入数据后直接加squeeze()
import torch def reset_squeeze1(): data = torch.rand([1, 1, 3, 3]) data1 = data.squeeze(dim=0).squeeze(dim=1) print("data_size: ", data.shape) print("data: ", data) print("data1_size: ", data1.shape) print("data1: ", data1)
结果显示
第二种方式,用torch.squeeze()
import torch def reset_squeeze2(): data = torch.rand([1, 1, 3, 3]) data1 = torch.squeeze(data, dim=0) print("data_size: ", data.shape) print("data: ", data) print("data1_size: ", data1.shape) print("data1: ", data1)
结果显示
关于利用Pytorch如何实现压缩Tensor维度和扩展Tensor维度就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。