python - Torch 中的 view() 和 unsqueeze() 有什么区别？

Question

使用 unsqueeze() :

input = torch.Tensor(2, 4, 3) # input: 2 x 4 x 3
print(input.unsqueeze(0).size()) # prints - torch.size([1, 2, 4, 3])

使用 view() :

input = torch.Tensor(2, 4, 3) # input: 2 x 4 x 3
print(input.view(1, -1, -1, -1).size()) # prints - torch.size([1, 2, 4, 3])

根据文档， unsqueeze()在作为参数和 view() 给出的位置插入单例暗淡创建与 tensor 关联的存储的不同维度的 View .
什么 view()我很清楚，但我无法将它与 unsqueeze() 区分开来.此外，我不明白何时使用 view()以及何时使用 unsqueeze() ?
任何有良好解释的帮助将不胜感激!

Answer 1

view()只能接单-1争论。
因此，如果要添加单例维度，则需要提供所有维度作为参数。例如，如果 A是一个 2x3x4 的张量，要添加一个单独的维度，你需要做 A:view(2, 1, 3, 4) .
但是，有时，在使用操作时，输入的维度是未知的。因此，我们不知道 A是 2x3x4，但我们仍然想插入一个单一维度。这在使用小批量张量时经常发生，其中最后一个维度通常是未知的。在这些情况下，nn.Unsqueeze 很有用，它允许我们在编写代码时插入维度而无需明确知道其他维度。