torch. suqeeze

torch.squeeze() 是 PyTorch 中的一个函数，用于从张量中删除尺寸为 1 的维度。如果张量在指定维度上的大小不为 1，则该维度不会被删除。该函数的语法如下：

torch.squeeze(input, dim=None, out=None)

其中，input 表示输入的张量，dim 表示要删除的维度，out 表示输出张量。如果不指定 dim，则默认删除所有尺寸为 1 的维度。

举个例子，假设有一个形状为 (1, 3, 1, 2) 的张量 x，我们可以使用 squeeze() 函数将其转换为形状为 (3, 2) 的张量：

import torch

x = torch.randn(1, 3, 1, 2)
y = torch.squeeze(x)
print(y.shape)  # 输出：torch.Size([3, 2])

相关问题

torch.randn torch.rand

torch.randn和torch.rand都是PyTorch中用于生成随机数的函数。

torch.randn函数用于生成服从标准正态分布（均值为0，标准差为1）的随机数。它的语法如下：
torch.randn(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor

其中，参数size表示生成随机数的维度大小，可以是一个整数或一个元组。out参数用于指定输出的张量，dtype参数用于指定输出的数据类型，layout参数用于指定张量的布局，device参数用于指定生成随机数的设备，requires_grad参数用于指定是否需要计算梯度。

torch.rand函数用于生成在区间[0, 1)上均匀分布的随机数。它的语法如下：
torch.rand(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor

参数和功能与torch.randn函数相似，只是生成的随机数服从均匀分布。

torch.cat和torch.concat和torch.concatenate

`torch.cat` 和 `torch.concat` 是相同的函数，用于将张量沿着指定的维度拼接。而 `torch.concatenate` 是 `torch.cat` 的别名，也可以用于相同的目的。

这些函数的使用方法如下：

import torch

# 沿着第0个维度拼接两个张量
x = torch.randn(2, 3)
y = torch.randn(3, 3)
z = torch.cat([x, y], dim=0)  # 或者 torch.concat([x, y], dim=0)

# 沿着第1个维度拼接两个张量
x = torch.randn(2, 3)
y = torch.randn(2, 2)
z = torch.cat([x, y], dim=1)  # 或者 torch.concat([x, y], dim=1)

注意，`torch.cat` 和 `torch.concat` 都是用于拼接张量的函数，而 `torch.stack` 则是用于堆叠张量的函数。