pytorch torch.squeeze函数介绍

在 PyTorch 中，torch.squeeze(input, dim=None)函数用于去除张量中尺寸为 1 的维度。

一、函数参数

input：输入张量。
dim：若指定了该参数，只有当给定维度的尺寸为 1 时才会去除该维度。如果该维度的尺寸不为 1，则张量不会发生变化。如果不指定该参数，则去除所有尺寸为 1 的维度。

二、使用示例

复制代码

import torch

# 创建一个三维张量，其中有一个维度的尺寸为 1
tensor = torch.randn(1, 3, 1)
print("原始张量形状：", tensor.shape)

# 去除所有尺寸为 1 的维度
squeezed_tensor = torch.squeeze(tensor)
print("去除所有尺寸为 1 的维度后的张量形状：", squeezed_tensor.shape)

# 只去除第一个维度（如果该维度尺寸为 1）
squeezed_tensor2 = torch.squeeze(tensor, dim=0)
print("只去除第一个维度后的张量形状：", squeezed_tensor2.shape)

在上述示例中，首先创建了一个形状为(1, 3, 1)的三维张量，然后使用torch.squeeze函数分别去除所有尺寸为 1 的维度和只去除指定维度的尺寸为 1 的维度，并打印出结果张量的形状。

三、作用和应用场景

数据预处理 ：在处理图像、文本等数据时，可能会遇到一些尺寸为 1 的维度，这些维度可能会影响后续的计算和模型的性能。使用torch.squeeze可以去除这些不必要的维度，使数据的形状更加简洁。
模型输入 ：某些深度学习模型对输入数据的形状有特定的要求。如果输入数据中存在尺寸为 1 的维度，可能需要使用torch.squeeze将其去除，以满足模型的输入要求。
中间结果处理 ：在深度学习模型的计算过程中，可能会产生一些中间结果，这些结果中可能存在尺寸为 1 的维度。使用torch.squeeze可以去除这些维度，使中间结果的形状更加合理，便于后续的计算和处理。