python - Torch 中的 view() 和 unsqueeze() 有什么区别？

Question

用途unsqueeze()：

input = torch.Tensor(2, 4, 3) # input: 2 x 4 x 3
print(input.unsqueeze(0).size()) # prints - torch.size([1, 2, 4, 3])

用途view()：

input = torch.Tensor(2, 4, 3) # input: 2 x 4 x 3
print(input.view(1, -1, -1, -1).size()) # prints - torch.size([1, 2, 4, 3])

根据文档，unsqueeze()在作为参数给定的位置插入单例 dim，并view()创建一个具有与tensor.

什么view()对我来说很清楚，但我无法将它与unsqueeze(). 此外，我不明白何时使用view()以及何时使用unsqueeze()？

任何有良好解释的帮助将不胜感激！

Answer 1

view()只能接受一个-1参数。

因此，如果要添加单例维度，则需要提供所有维度作为参数。例如，如果A是 2x3x4 张量，要添加单维，您需要执行A:view(2, 1, 3, 4).

但是，有时，在使用操作时，输入的维度是未知的。因此，我们不知道它A是 2x3x4，但我们仍然想插入一个单一维度。这在使用小批量张量时经常发生，其中最后一个维度通常是未知的。在这些情况下，nn.Unsqueeze 很有用，它允许我们在编写代码时插入维度而无需明确知道其他维度。

Answer 2

unsqueeze()是一个特例view()

为方便起见，许多 python 库都为更通用的函数的常见用途提供了简写别名。

• view()将张量重塑为指定的形状
• unsqueeze()通过添加深度为 1 的新维度来重塑张量
  （即将一个 nd 张量变成一个 n+1.d 张量）

何时使用unsqueeze()？

一些示例用例：

• 您有一个设计用于接收 RGB 图像张量 (3d: CxHxW) 的模型，但您的数据是 2d 灰度图像 ( HxW​​)
• 您的模型设计用于接收批量数据 ( batch_size x dim1 x dim2 x ...)，并且您希望为其提供单个样本（即批量大小为 1）。