深入浅出Pytorch函数——torch.squeeze

7月前作者：von Neumann 分类：Toy博客阅读(34) 违法举报

这篇具有很好参考价值的文章主要介绍了深入浅出Pytorch函数——torch.squeeze。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

分类目录：《深入浅出Pytorch函数》总目录
相关文章：
· 深入浅出Pytorch函数——torch.squeeze
· 深入浅出Pytorch函数——torch.unsqueeze

将输入张量形状为1的维度去除并返回。比如输入向量的形状为 $A\times1\times B\times1\times C\times1\times D$ ，则输出向量形状就为 $A\times B\times C\times D$ 。当给定参数dim时，则操作只在给定维度dim上。例如，输入向量的形状为 $A\times1\times B$ ，使用squeeze(input, 0)，输出向量的形状将会保持张量不变，只有使用 squeeze(input, 1)，输出向量的形状才会变成 $A\times B$ 。需要注意的是，返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。

语法

torch.squeeze(input, dim=None) -> Tensor

参数

input：[Tensor] 输入张量
dim：[可选，int/tuple] 挤压维度的位置索引

实例

输入：

x = torch.zeros(2, 1, 2, 1, 2)
x.size()

输出：

torch.Size([2, 1, 2, 1, 2])

输入：

y = torch.squeeze(x)
y.size()

输出：

torch.Size([2, 2,, 2])

输入：

y = torch.squeeze(x, 0)
y.size()

输出：

torch.Size([2, 1, 2, 1, 2])

输入：

y = torch.squeeze(x, 1)
y.size()

输出：

torch.Size([2, 2, 1, 2])

输入：

y = torch.squeeze(x, (1, 2, 3))
y.size()

输出：文章来源地址https://www.toymoban.com/news/detail-600147.html

torch.Size([2, 2, 2])

到了这里，关于深入浅出Pytorch函数——torch.squeeze的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：

领支付宝红包赞助服务器费用

深入浅出Pytorch函数——torch.maximum

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.max · 深入浅出Pytorch函数——torch.maximum 计算 input 和 other 的元素最大值。语法参数 input ：[ Tensor ] 输入张量 other ：[ Tensor ] 输入的第二个张量实例

2024年02月15日
浏览(32)
深入浅出Pytorch函数——torch.full

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.Tensor · 深入浅出Pytorch函数——torch.ones · 深入浅出Pytorch函数——torch.zeros · 深入浅出Pytorch函数——torch.full · 深入浅出Pytorch函数——torch.ones_like · 深入浅出Pytorch函数——torch.zeros_like · 深

2024年02月07日
浏览(40)
深入浅出Pytorch函数——torch.max

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.max · 深入浅出Pytorch函数——torch.maximum torch.max 有三种输入形式，根据其输入形式及参数的不同有下列三种返回形式： torch.max(input) ：返回输入张量所有元素的最大值。 torch.max(input, dim, keep

2024年02月15日
浏览(32)
深入浅出Pytorch函数——torch.exp

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出TensorFlow2函数——tf.exp · 深入浅出TensorFlow2函数——tf.math.exp · 深入浅出Pytorch函数——torch.exp · 深入浅出PaddlePaddle函数——paddle.exp 对输入 input 逐元素进行以自然数 e e e 为底指数运算。语法参数 input ：[ Te

2024年02月11日
浏览(32)
深入浅出Pytorch函数——torch.sum

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出TensorFlow2函数——tf.reduce_sum · 深入浅出TensorFlow2函数——tf.math.reduce_sum · 深入浅出Pytorch函数——torch.sum · 深入浅出PaddlePaddle函数——paddle.sum 语法参数 input ：[ Tensor ] 输入的张量。 dim ：[可选, int / tuple ] 求和

2024年02月04日
浏览(57)
深入浅出Pytorch函数——torch.arange

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出TensorFlow2函数——tf.range · 深入浅出Pytorch函数——torch.arange · 深入浅出PaddlePaddle函数——paddle.arange 语法当 dtype 表示浮点类型时，为了避免浮点计算误差，建议给 end 加上一个极小值 epsilon ，使边界可以更加明

2024年02月04日
浏览(36)
深入浅出PyTorch函数torch.rand与torch.randn

torch.rand 和 torch.randn 都是PyTorch中用于生成随机张量的函数，但它们生成随机数的方式有所不同。 torch.rand 生成在区间 [0, 1) 内均匀分布的随机数。 size 参数是一个表示所需张量形状的元组或整数。可以生成任何形状的随机张量。 torch.randn 生成从标准正态分布（均值为0，标准

2024年02月09日
浏览(29)
深入浅出Pytorch函数——torch.Tensor.backward

分类目录：《深入浅出Pytorch函数》总目录相关文章： · 深入浅出Pytorch函数——torch.Tensor 计算当前张量相对于图的梯度，该函数使用链式法则对图进行微分。如果张量不是一个标量（即其数据具有多个元素）并且需要梯度，则函数还需要指定梯度，指定的梯度应该是一个与

2024年02月15日
浏览(37)
深入浅出Pytorch函数——torch.nn.Module

分类目录：《深入浅出Pytorch函数》总目录 Pytorch中所有网络的基类，我们的模型也应该继承这个类。 Modules 也可以包含其它 Modules ,允许使用树结构嵌入他们，我们还可以将子模块赋值给模型属性。语法方法 torch.nn.Module.apply 实例通过上面方式赋值的 submodule 会被注册，当调

2024年02月12日
浏览(45)
深入浅出Pytorch函数——torch.nn.Linear

分类目录：《深入浅出Pytorch函数》总目录对输入数据做线性变换 y = x A T + b y=xA^T+b y = x A T + b 语法参数 in_features ：[ int ] 每个输入样本的大小 out_features ：[ int ] 每个输出样本的大小 bias ：[ bool ] 若设置为 False ，则该层不会学习偏置项目，默认值为 True 变量形状输入变量：

2024年02月12日
浏览(28)