Torch 中的 view() 和 unsqueeze() 有什么区别？

Question

unsqueeze()的使用：

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

view()的使用：

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暗淡，view() 创建具有与tensor 关联的不同存储维度的视图。

view() 的作用我很清楚，但我无法将其与 unsqueeze() 区分开来。而且我不明白什么时候用view()，什么时候用unsqueeze()？

任何有很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，如果您想添加单个维度，则需要提供所有维度作为参数。例如，如果A 是一个 2x3x4 的张量，要添加一个单一维度，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view() 的特例

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

什么时候使用unsqueeze()？

一些示例用例：

• 您有一个设计用于接收 RGB 图像张量的模型（3d：CxHxW），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（即大小为 1 的批次）。