Hur lägger man till en dimension till en tensor i PyTorch?

Hur Lagger Man Till En Dimension Till En Tensor I Pytorch



I PyTorch, Tensorer är flerdimensionella arrayer som används för att lagra och representera data. Tensorer har många attribut och metoder som tillåter användare att utföra olika operationer på dem, såsom omformning, indexering, skivning, aritmetik och många fler. PyTorch gör det dessutom möjligt för användare att lägga till en dimension till en tensor på en specifik plats.

Den här artikeln kommer att exemplifiera metoden för att lägga till dimensioner till en Tensor i PyTorch.

Hur lägger man till en dimension till den specifika tensorn i PyTorch?

Användare kan lägga till dimensioner till vilken Tensor som helst, till exempel en 1D-tensor eller 2D-tensor i PyTorch. För att lägga till nya dimensioner till tensorer vid en specifik position, kolla in följande exempel för en bättre förståelse:







Exempel 1: Lägg till dimension till en 1D-tensor i PyTorch

I det här exemplet kommer vi att skapa en 1D-tensor och lägga till en dimension till den vid en viss position. Följ stegen nedan för en praktisk demonstration:



Steg 1: Importera bibliotek
Importera först ficklampsbiblioteket:



importera fackla

Steg 2: Skapa 1D Tensor
Skapa sedan en endimensionell tensor. Till exempel har vi skapat följande tensor och lagrat den i ' x ' variabel:





x = fackla. tensor ( [ 5 , 3 , 8 , 2 ] )

Steg 3: Visa Tensor Shape
Visa sedan den nyskapade tensorformen för att se dess dimensioner:

skriva ut ( x. form )

Nedanstående utdata indikerar att vår tensor är endimensionell:



Steg 4: Lägg till Dimension till 1D Tensor
Använd nu ' torch.unsqueeze(ingång, dim) ”-funktion för att lägga till dimensionen till 1D-tensorn vid den specifika positionen. Till exempel lägger vi till dimensionen till tensorn vid 0-index:

nya_tior = fackla. klämma ur ( x , dämpa = 0 )

Här,

  • ' nya_tior ” är variabeln som inkluderar den tillagda dimensionen.
  • ' x ” är ingångstensorn.
  • ' dim=0 ” används för att lägga till dimension vid 0 index.

Steg 5: Verifiera utdata
Slutligen, se till att en ny dimension har lagts till i tensorn eller inte:

skriva ut ( nya_tior. form )

I utgången nedan kan det observeras att den nya dimensionen har lagts till 1D-tensorn vid 0-indexet:

Dessutom kan användare också lägga till dimensioner till andra positioner. Här har vi lagt till dimensionen vid första indexet:

Exempel 2: Lägg till dimension till en 2D-tensor i PyTorch

Här kommer vi att skapa/göra en 2D-tensor och lägga till en dimension till den vid den specifika positionen. Prova de angivna stegen för praktisk implementering:

Steg 1: Importera Torch Library
Importera först ficklampsbiblioteket:

importera fackla

Steg 2: Skapa en 2D-tensor
Skapa sedan en tvådimensionell tensor. Till exempel har vi skapat följande tensor och lagrat den i ' x ' variabel:

x = fackla. Tensor ( [ [ 5 , 3 ] , [ 7 , 6 ] ] )

Steg 3: Visa Tensor Shape
Efter det, visa den nyskapade tensorformen för att se dess dimensioner:

skriva ut ( x. form )

Enligt nedanstående utdata är denna tensor tvådimensionell:

Steg 4: Lägg till Dimension till 2D Tensor
Lägg nu till dimensionen till 2D-tensorn vid den specifika positionen med hjälp av 'torch.unsqueeze(ingång, dim)' fungera. Till exempel lägger vi till dimensionen till tensorn vid 0-index:

nya_tior = fackla. klämma ur ( x , dämpa = 0 )

Steg 5: Verifiera utdata
Slutligen, verifiera om den nya dimensionen har lagts till i 2D-tensorn eller inte:

skriva ut ( nya_tior. form )

Nedanstående utdata indikerar att den nya dimensionen framgångsrikt har lagts till i 2D-tensorn vid 0-indexet:

Notera : Du kan komma åt vår Google Colab Notebook här länk .

Vi har effektivt förklarat metoden för att lägga till dimension till en tensor i PyTorch med hjälp av olika exempel.

Slutsats

För att lägga till dimensioner till en tensor i PyTorch, importera först PyTorch-biblioteket. Skapa sedan en 1D- eller 2D-tensor och se dess dimensioner. Lägg sedan till dimensionen till en tensor vid den specifika positionen genom att använda ' torch.unsqueeze(ingång, dim) ' funktion. Användare måste skicka ingångstensor och önskad indexposition som en parameter till denna funktion. Den här artikeln har exemplifierat metoden för att lägga till dimensioner till en tensor i PyTorch.