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
