Pytorch增加矩阵维度

原文地址

分类目录——Pytorch

Pytorch通过.unsqueeze(int)方法来增加1个维度，传的int值为增加的维度的索引。下面通过程序来说明其用法。

• 生成测试数据

  import torch
  t1 = torch.tensor([1,2,3])
  

• 进行维度增加

  print(t1.unsqueeze(0))
  # tensor([[1, 2, 3]])
  print(t1.unsqueeze(1))
  # tensor([[1],
  #         [2],
  #         [3]])
  print(t1.unsqueeze(2))	# 报错
  # IndexError: Dimension out of range (expected to be in range of [-2, 1], but got 2)
  

• 从上面可能不容易观察传入索引的作用，观察一下增加后的size()

  print(t1.size())
  print(t1.unsqueeze(0).size())
  print(t1.unsqueeze(1).size())
  # torch.Size([3])
  # torch.Size([1, 3])
  # torch.Size([3, 1])
  

  当前维度是1，增加1维后维度变成2，索引值也就只能由两个（0和1），所以上面以2为索引时报错了

• 用二维数据进行测试

  t2 = torch.tensor([[1,2,3],[4,5,6]])
  print(t2.size())
  # torch.Size([2, 3])
  print(t2.unsqueeze(0).size())
  # torch.Size([1, 2, 3])
  print(t2.unsqueeze(1).size())
  # torch.Size([2, 1, 3])
  print(t2.unsqueeze(2).size())
  # torch.Size([2, 3, 1])
  print(t2.unsqueeze(3).size())
  # IndexError: Dimension out of range (expected to be in range of [-3, 2], but got 3)
  

  2+1=3，索引可以是0，1，2，当索引时3的时候报错

• 我想看看增加到三维是个什么样的

  print(t2.unsqueeze(0))
  # tensor([[[1, 2, 3],
  #          [4, 5, 6]]])
  print(t2.unsqueeze(1))
  # tensor([[[1, 2, 3]],
  #
  #         [[4, 5, 6]]])