【squeeze、unsqueeze】减少、增加维度

Posted 2023-04-30

参考技术A

神经网络conv2d的输入必须是四维的（batch,channel,height,width），前处理或者后处理通常需要维度扩充或者维度压缩，必须维度匹配！
一个减少维度，一个增加维度，增加和减少的维度只能是1(单维度)。

numpy中squeeze函数，无unsqueeze函数，numpy中增加维度用 np.expand_dims(x, axis) 函数，可参考 链接
torch的tensor中，两个函数都有。

解释：
从数组的形状中删除单维度条目，即把shape中为1的维度去掉， 相当于减少维度

用法：

举例：

输出：

举例：

输出：

解释：
通过unsuqeeze(int)中的int整数，增加一个维度，int整数表示维度增加到哪儿去，且维度为1。

举例:

输出：

Pytorch中的squeeze()和unsqueeze()函数

在numpy库中，经常会出现“秩为1的一维数组”（come from 吴恩达的深度学习，目前还没有搞清楚numpy中如此设计的意图）。比如：

        

注意这里的a的shape是[3] ，既不是 [1,3] 也不是 [3,1]。这就说明它既不是行向量也不是列向量，只是一个数组。

但是我们可以用squeeze（）和unsqueeze（）对其进行操作，比如：

       

在对这两个函数讲解之前，我们先统一一下定义:

In  : x.shape
Out: torch.Size( [ a , b , c ] )

这里我们说a是第一个维度（表示第一个维度的数量是a），b是第二个维度（表示第一个维度的数量是b），c是第三个维度（表示第三个维度的数量是c）

简而言之，unsqueeze（arg）是增添第arg个维度为1，以插入的形式填充。比如：

       

       

相反，squeeze（arg）是删除第arg个维度(如果当前维度不为1，则不会进行删除)，比如：