⭐能让人成长的，从来不是停留在舒适区，再迈一步，再试一次，你总能发现一个更强大的自己。

一、squeeze（）

二、unsqueeze（）

先来看看官方的Docs,链接在这里：torch.squeeze — PyTorch master documentation

 这个函数就是返回一个张量，将input中大小为1的维度都删除。例如：假设一个输入的shape为（AX1XBXCX1XD),则其output的shape为：(AXBXCXD)。若给定维度，则删除给定的维度，但是只有大小为1的维度才会被删除。下面举一个例子：

import torch
x = torch.zeros(1,2,1,2,3)
print(f"x:{x.shape}")
y = torch.squeeze(x) # x中大小为1的维度都删除
print(f"y:{y.shape}")
z = torch.squeeze(x,0) # 删除第一个维度
print(f"z:{z.shape}")
w = torch.squeeze(x,-3) # -1是指倒数第一个维度,-2是指倒数第二个，依次类推
print(f"w:{w.shape}")
g = torch.squeeze(x,1) # 只有大小为1的维度才可以被删除
print(f"g:{g.shape}")

结果如下：

x:torch.Size([1, 2, 1, 2, 3])
y:torch.Size([2, 2, 3])
z:torch.Size([2, 1, 2, 3])
w:torch.Size([1, 2, 2, 3])
g:torch.Size([1, 2, 1, 2, 3])

二、unsqueeze（）

官方Docs如下，链接在这里：torch.unsqueeze — PyTorch master documentation

unsqueeze()就是给指定位置加上维数为一的维度。返回的张量与该张量共享相同的基础数据。例子如下：

import torch
x = torch.zeros(1,2,1,2,3)
print(f"x:{x.shape}")
y = torch.unsqueeze(x,1) # 在第二维增加一个维度，该维度的大小为1
print(f"y:{y.shape}")

结果如下：

x:torch.Size([1, 2, 1, 2, 3])
y:torch.Size([1, 1, 2, 1, 2, 3])