pytorch中维度

在PyTorch中，维度用`dim`表示，可以用来指定在哪个维度上进行操作。下面是一些常见的PyTorch维度操作：

1. `torch.unsqueeze(input, dim)`：在指定维度上增加一个维度，返回一个新的张量。例如：

   import torch
   
   x = torch.tensor([1, 2, 3])  # 一维张量
   x = torch.unsqueeze(x, 0)  # 在第0维增加一个维度
   print(x)  # 输出：tensor([[1, 2, 3]])

2. `torch.squeeze(input, dim)`：在指定维度上去掉一个维度，返回一个新的张量。例如：

   import torch
   
   x = torch.tensor([[1, 2, 3]])  # 二维张量
   x = torch.squeeze(x, 0)  # 去掉第0维
   print(x)  # 输出：tensor([1, 2, 3])

3. `torch.transpose(input, dim0, dim1)`：交换两个维度的位置，返回一个新的张量。例如：

   import torch
   
   x = torch.tensor([[1, 2, 3], [4, 5, 6]])  # 二维张量
   x = torch.transpose(x, 0, 1)  # 交换第0维和第1维
   print(x)  # 输出：tensor([[1, 4],
             #         [2, 5],
             #         [3, 6]])

4. `torch.cat(inputs, dim)`：在指定维度上将多个张量拼接起来，返回一个新的张量。例如：

   import torch
   
   x1 = torch.tensor([[1, 2, 3]])
   x2 = torch.tensor([[4, 5, 6]])
   x = torch.cat((x1, x2), dim=0)  # 在第0维上拼接
   print(x)  # 输出：tensor([[1, 2, 3],
             #         [4, 5, 6]])

5. `torch.stack(inputs, dim)`：在指定维度上将多个张量堆叠起来，返回一个新的张量。例如：

   import torch
   
   x1 = torch.tensor([1, 2, 3])
   x2 = torch.tensor([4, 5, 6])
   x = torch.stack((x1, x2), dim=0)  # 在第0维上堆叠
   print(x)  # 输出：tensor([[1, 2, 3],
             #         [4, 5, 6]])