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 torch my_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]])
登录后复制
以上就是挤入 PyTorch的详细内容，更多请关注php中文网其它相关文章！
微信扫一扫打赏
支付宝扫一扫打赏
