tensor删减维度

### 删除或减少张量维度

#### PyTorch中的操作

在PyTorch中，可以通过`squeeze()`方法来删除单维度条目。该方法可以移除大小为1的维度，从而有效地减少张量的整体维度数[^3]。

import torch

# 创建一个形状为 (2, 1, 3) 的张量
tensor = torch.tensor([[[1., 2., 3.]], [[4., 5., 6.]]])

# 使用 squeeze 方法去除所有大小为1的维度
reduced_tensor = tensor.squeeze()

print(reduced_tensor.shape)  # 输出应为 torch.Size([2, 3])

如果只想去掉特定位置上等于1的尺寸，则可传递参数给`squeeze()`指定要处理的轴：

# 去掉第1维（索引从0开始计），即使它不是唯一的单一维度
specific_reduced_tensor = tensor.squeeze(1)

print(specific_reduced_tensor.shape)  # 输出应为 torch.Size([2, 3])

对于更复杂的降维需求，比如通过某种聚合方式（求和、平均等）降低某些维度，可以利用诸如`.sum()`, `.mean()`这样的内置函数[^4]。

#### TensorFlow中的操作

同样，在TensorFlow里也可以采用类似的策略来进行维度缩减。使用`tf.squeeze()`能够达到相同的效果——即消除那些长度为1的维度[^2]。

import tensorflow as tf

# 构建一个具有多余单位维度的常量张量
constant_tensor = tf.constant([[[1], [2], [3]], [[4], [5], [6]]])

# 应用 squeeze 函数以简化结构
simplified_tensor = tf.squeeze(constant_tensor)

print(simplified_tensor.shape)  # 结果应该是 (2, 3)

当涉及到非平凡的维度调整时，可能还需要考虑其他类型的转换逻辑，例如重新排列现有轴的位置(`permute`)或是应用各种形式的数据聚集运算[^5]。