python - Pytorch 挤压和解压

Question

我不明白什么squeeze和 unsqueeze对张量做，即使在查看文档和 related questions 之后.
我试图通过自己在 python 中探索它来理解它。我首先创建了一个随机张量

x = torch.rand(3,2,dtype=torch.float)
>>> x
tensor([[0.3703, 0.9588],
        [0.8064, 0.9716],
        [0.9585, 0.7860]])

但无论我如何挤压它，我最终都会得到相同的结果:

torch.equal(x.squeeze(0), x.squeeze(1))
>>> True

如果我现在尝试解压，我会得到以下信息，

>>> x.unsqueeze(1)
tensor([[[0.3703, 0.9588]],
        [[0.8064, 0.9716]],
        [[0.9585, 0.7860]]])
>>> x.unsqueeze(0)
tensor([[[0.3703, 0.9588],
         [0.8064, 0.9716],
         [0.9585, 0.7860]]])
>>> x.unsqueeze(-1)
tensor([[[0.3703],
         [0.9588]],
        [[0.8064],
         [0.9716]],
        [[0.9585],
         [0.7860]]])

但是，如果我现在创建一个张量 x = torch.tensor([1,2,3,4]) ，然后我尝试解压它，然后看起来 1和 -1使它成为一列，其中为 0保持原样。

x.unsqueeze(0)
tensor([[1, 2, 3, 4]])
>>> x.unsqueeze(1)
tensor([[1],
        [2],
        [3],
        [4]])
>>> x.unsqueeze(-1)
tensor([[1],
        [2],
        [3],
        [4]])

有人可以解释一下挤压和解压对张量的作用吗？提供论据有什么区别 0 , 1和 -1 ?

Answer 1

这是 squeeze 的直观表示/unsqueeze做一个有效的二维矩阵:

当您解压张量时，您希望将其“解压”到哪个维度(如行或列等)是不明确的。 dim 参数说明了这一点 - 即要添加的新维度的位置。
因此，生成的未压缩张量具有相同的信息，但用于访问它们的索引不同。