embedding.unsqueeze

embedding.unsqueeze是一个PyTorch中的方法，用于在张量中添加一个维度。通过该方法，可以将一个维度为1的张量扩展为多维张量。

具体而言，unsqueeze方法会在指定的位置添加一个新的维度。例如，对于一个形状为(3,)的一维张量，可以使用unsqueeze(0)将其转换为形状为(1, 3)的二维张量，或者使用unsqueeze(1)将其转换为形状为(3, 1)的二维张量。

这个方法在深度学习中经常被用于处理输入数据的维度匹配问题，例如将一维特征向量转换为二维特征矩阵，以便与卷积神经网络或循环神经网络等模型进行计算。

示例代码如下：

import torch

embedding = torch.tensor([1, 2, 3])  # 一维张量，形状为(3,)
embedding = embedding.unsqueeze(0)  # 在0位置添加一个维度，形状变为(1, 3)
print(embedding.shape)

embedding = embedding.unsqueeze(1)  # 在1位置添加一个维度，形状变为(1, 1, 3)
print(embedding.shape)

输出结果如下：

torch.Size([1, 3])
torch.Size([1, 1, 3])

通过unsqueeze方法，可以根据需求在指定位置添加维度，实现对数据维度的灵活处理。