一、squeeze函数概述
torch.squeeze(input, dim=None, out=None)
在PyTorch中，squeeze函数用于减少tensor张量中维度为1的维数，即将维数为1的维度压缩掉。
squeeze函数会返回新的tensor张量，原tensor张量不会发生改变，返回的tensor张量与输入张量在除去指定维度上是否为1的情况下完全相同。若维度不为1或未指定压缩维度，则会返回原来的张量。
二、squeeze函数的使用
1、压缩维度
import torch x = torch.randn(1, 3, 1, 5) print(x.size()) y = torch.squeeze(x) print(y.size())
输出结果为：
torch.Size([1, 3, 1, 5]) torch.Size([3, 5])
在上述示例中，输入张量的维度为（1,3,1,5），其中维度1与维度3都是1。当执行squeeze(x)操作时，函数会将这两个维度压缩掉，最终输出的结果为（3,5）。
2、指定压缩维度
import torch x = torch.randn(1, 3, 1, 5) print(x.size()) y = torch.squeeze(x, 0) print(y.size())
输出结果为：
torch.Size([1, 3, 1, 5]) torch.Size([3, 1, 5])
在上述示例中，squeeze函数会将张量x中维度为0的1压缩掉，输出的结果为（3,1,5）。
三、torch.squeeze的局限性
虽然squeeze函数能够压缩维度，但是由于函数实现的限制，不能够减少没有维度为1的维数。单个张量中，若维度1仅存在一个，那么该维度不能够被压缩掉。
import torch x = torch.randn(3) print(x.size()) y = torch.squeeze(x) print(y.size())
输出结果为：
torch.Size([3]) torch.Size([3])
因为在上述示例中，张量中仅存在一个维度为3的向量，无法对该维度进行压缩。
四、结语
以上就是squeeze函数的介绍和应用，虽然函数的操作看似简单，但在深度学习中，这些小的操作，如切片、拼接、压缩等都是必不可少的，熟练使用这些小的操作会极大地提升工程师的编程效率。
原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/182004.html
微信扫一扫 
支付宝扫一扫 