squeeze pytorch,squeezenet pytorch
本文主要介绍PyTorch中squeeze()和Unseeze()的分析和应用案例。文章内容介绍的比较详细，有需要的朋友可以参考一下。希望对你有帮助。
00-1010 1.火炬。挤压2。火炬。挤压3。附上官网地址：的例子
https://pytorch.org/docs/stable/index.html
目录
Squeeze主要用于压缩或解压缩数据的维度。
先看torch.squeeze()。这个函数主要是压缩数据的维度，去掉维度为1的维度，比如一行或者一列。在删除维度为1的第一个维度后，一行中有三列(1，3)的数字变为(3)行。挤压(a)是删除a中1的所有维度，不是1的维度没有影响。A.squeeze(N)是去掉a中指定的一维的维，还有一种形式，就是在b=torch.squeeze(a，N) a中，去掉指定的一维的维。
换言之：
如果arg维度的维度值为1，则该维度将被删除；否则，张量将保持不变。(也就是说，如果tensor.shape()[arg]==1，维度将被删除)
例如：
一个维数为2x1x2x1x2的张量，不要去想它是什么样子的。挤压(0)不变，挤压(1)变成2x2x1。(0从最左边的维度开始计数)
x=torch.zeros(2，1，2，1，2)
x.size()
火炬。大小([2，1，2，1，2])
y=火炬挤压(x)
y.size()
火炬。大小([2，2，2])
y=torch.squeeze(x，0)
y.size()
火炬。大小([2，1，2，1，2])
y=torch.squeeze(x，1)
y.size()
火炬。大小([2，2，1，2])
1.torch.squeeze
torch.unsqueeze()函数主要用于扩展数据维度。在指定位置增加一个维度的维度，比如原来有一个三行数据(3)，在0的位置增加一个维度，就变成了一行三列(1，3)。A.squeeze(N)是指定A中的位置N加上一个维数为1的维数。另一种形式是b=torch.squeeze(a，n)。A是指定A中的位置n加上一个维度为1的维度。
x=torch .张量([1，2，3，4])
torch . unsqueze(x，0)
张量([[ 1，2，3，4]])
torch . unsqueze(x，1)
张量([[ 1]，
[ 2],
[ 3],
[ 4]])
2.torch.unsqueeze
给一个使用上述两个函数，并进行一次卷积的例子：
从火炬视觉。将导入转换为传感器
将火炬作为t导入
从火炬进口nnimport cv2
将numpy作为np导入
导入cv2
to_tensor=ToTensor()
#加载图像
lena=cv2.imread(lena.jpg ，cv2。IMREAD _灰度)
cv2.imshow(lena ，lena)
# input=to_tensor(lena)将ndarray转换为张量，并自动将[0，255]归一化为[0，1]。
输入=to_tensor(lena)。取消排队(0)
#初始化卷积参数
kernel=t.ones(1，1，3，3)/-9
内核[:1，1]=1
conv=nn。Conv2d(1，1，3，1，padding=1，bias=False)
conv.weight.data=kernel.view(1，1，3，3)
#输出
输出=conv(输入)
out=out.squeeze(0)
打印(输出.形状)
out=out.unsqueeze(3)
打印(输出.形状)
out=out.squeeze(0)
打印(输出.形状)
Out=out.detach()。numpy()#缩放到0~最大值
cv2.normalize(out，out，1.0，0，cv2。NORM_INF)
cv2.imshow(lena-result ，out)
cv2.waitKey()
结果图如下：
关于PyTorch中的squeeze()和Unseeze()分析及应用案例的这篇文章到此为止。有关squeeze()和Unseeze()分析的更多信息，请搜索热门IT软件开发工作室之前的文章或继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室！
references：
[1]陈云。PyTorch在深度学习框架中的介绍与实践。北京：电子工业出版社，2018。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。