PyTorch的torch.cat、squeeze()、unsqueeze()和size()函数

Dr.Petrichor

于 2022-04-13 10:16:16 发布

阅读量2.8k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Pytorch # 深度学习文章标签： pytorch 机器学习深度学习人工智能 python

本文链接：https://blog.csdn.net/weixin_43734080/article/details/124135284

深度学习同时被 2 个专栏收录

19 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

Pytorch

2 篇文章

订阅专栏

本文介绍了PyTorch中用于深度学习的几个关键函数：squeeze()用于压缩维度，unsqueeze()用于增加维度，size()用于获取张量的尺寸信息，以及torch.cat()用于在指定维度上连接多个张量。每个函数通过实例演示了其工作原理和使用方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在Pytorch做深度学习过程中，CNN的卷积和池化过程中会用到torch.cat、squeeze()、unsqueeze()和size()函数，下面分别做讲解：

一、sequeeze()函数

x.squeeze(dim)

用途：进行维度压缩，去掉tensor中维数为1的维度

参数设置：如果设置dim=a，就是去掉指定维度中维数为1的

示例：

import torch
x = torch.tensor([[[1],[2]],[[3],[4]]])
print('x:',x)
print(x.shape)
x1 = x.squeeze()
print('x1:',x1)
print(x1.shape)
x2 = x.squeeze(2)
print('x2:',x2)
print(x2.shape)

输出：

x: tensor([[[1],
         [2]],
 
        [[3],
         [4]]])
torch.Size([2, 2, 1]

了解本专栏

超级会员免费看