请我喝杯咖啡☕
*我的帖子解释了 unsqueeze()。
squeeze() 可以从零个或多个元素的 0d 或多个 d 张量中获取删除零个或多个维度的零个或多个元素的 0d 或多个 d 张量，如果大小为 1，如下所示：
*备忘录：
挤压（）可以与火炬或张量一起使用。第一个参数（输入）使用 torch 或使用张量（必需类型：int、float、complex 或 bool 的张量）。带有 torch 的第二个参数或带有张量的第一个或多个参数是暗淡的（可选类型：int、int 元组或 int 列表）：*备注：每个数字必须是唯一的。 它可以删除特定的零个或多个尺寸为1的维度。如果大小不为 1，即使设置零个或多个维度也不会被删除。
import torchmy_tensor = torch.tensor([[[[0], [1]], [[2], [3]], [[4], [5]]]])torch.squeeze(input=my_tensor)my_tensor.squeeze()torch.squeeze(input=my_tensor, dim=(0, 3))my_tensor.squeeze(dim=(0, 3))my_tensor.squeeze(0, 3)torch.squeeze(input=my_tensor, dim=(0, 1, 3))my_tensor.squeeze(dim=(0, 1, 3))my_tensor.squeeze(0, 1, 3)etc.torch.squeeze(input=my_tensor, dim=(0, 1, 2, 3))my_tensor.squeeze(dim=(0, 1, 2, 3))my_tensor.squeeze(0, 1, 2, 3)etc.# tensor([[0, 1],# [2, 3],# [4, 5]])torch.squeeze(input=my_tensor, dim=0)torch.squeeze(input=my_tensor, dim=-4)torch.squeeze(input=my_tensor, dim=(0,))torch.squeeze(input=my_tensor, dim=(-4,))torch.squeeze(input=my_tensor, dim=(0, 1))torch.squeeze(input=my_tensor, dim=(0, 2))torch.squeeze(input=my_tensor, dim=(0, -2))torch.squeeze(input=my_tensor, dim=(0, -3))torch.squeeze(input=my_tensor, dim=(1, 0))etc.torch.squeeze(input=my_tensor, dim=(0, 1, 2))etc.# tensor([[[0], [1]],# [[2], [3]],# [[4], [5]]])torch.squeeze(input=my_tensor, dim=1)torch.squeeze(input=my_tensor, dim=2)torch.squeeze(input=my_tensor, dim=-2)torch.squeeze(input=my_tensor, dim=-3)torch.squeeze(input=my_tensor, dim=())torch.squeeze(input=my_tensor, dim=(1,))torch.squeeze(input=my_tensor, dim=(2,))torch.squeeze(input=my_tensor, dim=(-2,))torch.squeeze(input=my_tensor, dim=(-3,))torch.squeeze(input=my_tensor, dim=(1, 2))etc.# tensor([[[[0], [1]],# [[2], [3]],# [[4], [5]]]])torch.squeeze(input=my_tensor, dim=3)torch.squeeze(input=my_tensor, dim=-1)torch.squeeze(input=my_tensor, dim=(3,))torch.squeeze(input=my_tensor, dim=(-1,))torch.squeeze(input=my_tensor, dim=(1, 3))torch.squeeze(input=my_tensor, dim=(1, -1))torch.squeeze(input=my_tensor, dim=(2, 3))torch.squeeze(input=my_tensor, dim=(2, -1))torch.squeeze(input=my_tensor, dim=(3, 1))etc.torch.squeeze(input=my_tensor, dim=(1, 2, 3))etc.# tensor([[[0, 1],# [2, 3],# [4, 5]]])my_tensor = torch.tensor([[[[0.], [1.]], [[2.], [3.]], [[4.], [5.]]]])torch.squeeze(input=my_tensor)# tensor([[0., 1.],# [2., 3.],# [4., 5.]])my_tensor = torch.tensor([[[[0.+0.j], [1.+0.j]], [[2.+0.j], [3.+0.j]], [[4.+0.j], [5.+0.j]]]])torch.squeeze(input=my_tensor)# tensor([[0.+0.j, 1.+0.j],# [2.+0.j, 3.+0.j],# [4.+0.j, 5.+0.j]])my_tensor = torch.tensor([[[[True], [False]], [[False], [True]], [[True], [False]]]])torch.squeeze(input=my_tensor)# tensor([[True, False],# [False, True],# [True, False]])
以上就是挤入 PyTorch的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。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。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1355231.html
微信扫一扫 
支付宝扫一扫 
