從多個方面解析unsqueeze函數

一、單一維度插入

unsqueeze函數是PyTorch中的一個核心函數，廣泛用於神經網路模型的構建和編寫。它的作用主要是在指定維度上插入維度數為1的新維度。當我們需要在特定位置插入新的維度時，unsqueeze函數就非常有用了。

例如，我們有一個形狀為(3,4)的張量，希望在第二維度上插入新的維度，則代碼如下：

import torch

x = torch.ones(3,4)
print("原始張量形狀：", x.shape) #(3,4)

x = torch.unsqueeze(x, 1)
print("插入新維度後的張量形狀：", x.shape) #(3,1,4)

unsqueeze函數中的第一個參數是待操作的張量，第二個參數是要插入的維度的位置。在上面的示例中，我們在第二維度位置插入了新的維度。

二、多維度插入

unsqueeze函數不僅僅可以插入單個維度，還可以在一個張量中同時插入多個維度。可以通過向第二個參數傳入一個元組(tuple)來實現多維度插入操作。

例如，我們有一個形狀為(2,3)的張量，在第二維度和第四個維度上都插入新的維度，代碼如下：

import torch

x = torch.ones(2,3)
print("原始張量形狀：", x.shape) #(2,3)

x = torch.unsqueeze(x, (1,3))
print("插入新維度後的張量形狀：", x.shape) #(2,1,3,1)

多次調用unsqueeze函數也可以實現多維度插入，但使用元組的方式更加簡便。

三、與unsqueeze相反的操作

如果我們在某個維度上插入的維度數為1，那麼此時我們也可以使用squeeze函數將這個維度刪除。

例如，我們有一個形狀為(2,1,3,1)的張量，將第二個維度刪除，則代碼如下：

import torch

x = torch.ones(2,1,3,1)
print("原始張量形狀：", x.shape) #(2,1,3,1)

x = torch.squeeze(x, 1)
print("刪除維度後的張量形狀：", x.shape) #(2,3,1)

squeeze函數和unsqueeze函數操作類似，第一個參數是待操作的張量，第二個參數是要刪除的維度的位置。在上面的示例中，我們刪除了維度為1的第二個維度。

四、與其他函數的組合應用

unsqueeze函數與其他函數的組合應用非常廣泛。例如，當我們需要對兩個張量進行相加操作時，需要滿足它們的維度數相同，這時我們可能需要插入一些新的維度，使得兩個張量維度數相同。實現方法就是通過unsqueeze函數將需要插入的維度插入進去。

例如，我們有兩個形狀分別為(2,3)和(1,3,1)的張量，希望將它們通過相加操作合併為一個張量，則代碼如下：

import torch

x = torch.ones(2,3)
y = torch.ones(1,3,1)

x = torch.unsqueeze(x, 0)
y = torch.squeeze(y, 2)

z = x + y
print("合併後的張量形狀：", z.shape) #(2,3,1)

在上面的示例中，我們通過unsqueeze函數給第一個張量插入了一個新的維度，在第一維度位置插入，讓它的形狀變為(1,2,3)。另外，我們還使用了squeeze函數將第二個張量的第二個維度刪除，讓它的形狀變為(1,3)。這樣兩個張量就可以進行相加操作了。