算法|PyTorch中的squeeze()和unsqueeze()详解与应用案例人工智能|pytorch|深度学习|pyt

文章目录

1.torch.squeeze
2.torch.unsqueeze
3.给一个使用上述两个函数，并进行一次卷积的例子

附上官网地址：
https://pytorch.org/docs/stable/index.html
1.torch.squeeze

文章图片

squeeze的用法主要就是对数据的维度进行压缩或者解压。
【算法|PyTorch中的squeeze()和unsqueeze()详解与应用案例】先看torch.squeeze() 这个函数主要对数据的维度进行压缩，去掉维数为1的的维度，比如是一行或者一列这种，一个一行三列(1,3)的数去掉第一个维数为一的维度之后就变成(3)行。squeeze(a)就是将a中所有为1的维度删掉。不为1的维度没有影响。a.squeeze(N) 就是去掉a中指定的维数为一的维度。还有一种形式就是b=torch.squeeze(a，N) a中去掉指定的定的维数为一的维度。
换言之：
表示若第arg维的维度值为1，则去掉该维度，否则tensor不变。（即若tensor.shape()[arg] == 1，则去掉该维度)
例如：
一个维度为2x1x2x1x2的tensor，不用去想它长什么样儿，squeeze(0)就是不变，squeeze(1)就是变成2x2x1x2。（0是从最左边的维度算起的）

>>> x = torch.zeros(2, 1, 2, 1, 2) >>> x.size() torch.Size([2, 1, 2, 1, 2]) >>> y = torch.squeeze(x) >>> y.size() torch.Size([2, 2, 2]) >>> y = torch.squeeze(x, 0) >>> y.size() torch.Size([2, 1, 2, 1, 2]) >>> y = torch.squeeze(x, 1) >>> y.size() torch.Size([2, 2, 1, 2])

2.torch.unsqueeze

文章图片

torch.unsqueeze()这个函数主要是对数据维度进行扩充。给指定位置加上维数为一的维度，比如原本有个三行的数据（3），在0的位置加了一维就变成一行三列（1,3）。a.squeeze(N) 就是在a中指定位置N加上一个维数为1的维度。还有一种形式就是b=torch.squeeze(a，N) a就是在a中指定位置N加上一个维数为1的维度。

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

3.给一个使用上述两个函数，并进行一次卷积的例子

from torchvision.transforms importToTensor import torch as t from torch import nnimport cv2 import numpy as np import cv2 to_tensor = ToTensor() # 加载图像 lena = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE) cv2.imshow('lena', lena) # input = to_tensor(lena) 将ndarray转换为tensor，自动将[0,255]归一化至[0,1]。 input = to_tensor(lena).unsqueeze(0) # 初始化卷积参数 kernel = t.ones(1, 1, 3, 3)/-9 kernel[:, :, 1, 1] = 1 conv = nn.Conv2d(1, 1, 3, 1, padding=1, bias=False) conv.weight.data = https://www.it610.com/article/kernel.view(1, 1, 3, 3) # 输出 out = conv(input) out = out.squeeze(0) print(out.shape) out = out.unsqueeze(3) print(out.shape) out = out.squeeze(0) print(out.shape) out = out.detach().numpy()# 缩放到0~最大值 cv2.normalize(out, out, 1.0, 0, cv2.NORM_INF) cv2.imshow("lena-result", out) cv2.waitKey()

结果图如下：