---

前言

这两个函数在pytorch框架下的深度学习经常用到，这次把它们记录一下。

一、torch.squeeze()函数

torch.squeeze()用来“挤”掉某一个维度为1的维度，或者所有维度为1的维度。（只挤掉维度为1的维度）
例子如下：

import torch
A=torch.rand(1,3,224,224)
B=torch.unsqueeze(A,dim=0)
print(B.shape)

结果：

一般来说，这个函数多用于最后网络输出图片的可视化。
如果对维度不为1的维度进行去除：

import torch
A=torch.rand(1,3,224,224)
B=torch.squeeze(A,dim=1)
print(B.shape)
A=torch.rand(1,3,224,224)
B=torch.squeeze(A,dim=2)
print(B.shape)
A=torch.rand(1,3,224,224)
B=torch.squeeze(A,dim=3)
print(B.shape)

不会发生变化

二、torch.unsqueeze()函数

torch.unsqueeze()函数用来插入新的维度扩充张量。例子如下：
在第0维度增加一个维度大小为1的维度（也就是在最前面加一个1）

import torch
A=torch.rand(3,224,224)
B=torch.unsqueeze(A,dim=0)
print(B.shape)

结果为：（这个一般用的最多，比如输入的VGG的照片是1，3，224，224.一般的三通道照片是3，224，224，这时就需要用unsqueeze函数）

在第1，2，3维度增加一个维度大小为1的维度，只需要把dim改改就行

import torch
A=torch.rand(3,224,224)
B=torch.unsqueeze(A,dim=1)
print(B.shape)

import torch
A=torch.rand(3,224,224)
B=torch.unsqueeze(A,dim=2)
print(B.shape)

import torch
A=torch.rand(3,224,224)
B=torch.unsqueeze(A,dim=3)
print(B.shape)