Torch官网解释：torch.unsqueeze(input, dim) → Tensor        Returnsanewtensorwithadimensionofsizeoneinsertedatthespecifiedposition.        Thereturnedtensorsharesthesameunderlyingdatawiththistensor函数的功能是将输入增加一个维度，dim决定在哪一层增加一个维度>>>x=torch.tensor([1,2,3,4])>>>torch.unsqueeze(x,0)tensor([[1,2,3,4]])>>>torc

tensor.squeeze()和tensor.unsqueeze()是PyTorch中用于改变tensor形状的两个函数，它们的作用如下：tensor.squeeze(dim=None,*,out=None):压缩tensor中尺寸为1的维度，并返回新的tensor。可以指定要压缩的维度（默认为所有尺寸为1的维度均压缩）。tensor.unsqueeze(dim,*,out=None):在指定的位置插入一个新维度，并返回新的tensor。dim参数表示新插入的维度在哪个位置（从0开始），可以是负数，表示倒数第几个维度。squeeze是压缩维度，unsqueeze是增加维度.下面给出例子来说明

一.torch.squeeze()函数解析1.官网链接torch.squeeze()，如下图所示：2.torch.squeeze()函数解析torch.squeeze(input,dim=None,out=None)squeeze()函数的功能是维度压缩。返回一个tensor（张量），其中input中维度大小为1的所有维都已删除。举个例子：如果input的形状为(A×1×B×C×1×D)，那么返回的tensor的形状则为(A×B×C×D)当给定dim时，那么只在给定的维度（dimension）上进行压缩操作，注意给定的维度大小必须是1，否则不能进行压缩。举个例子：如果input的形状为(A×1

1.torch.sumtorch.sum(imgs,dim=0)#按列求和torch.sum(imgs,dim=1) #按行求和imgs=torch.Tensor([iforiinzip(range(10),range(10))])print(imgs)s1=torch.sum(imgs,dim=0)#按列求和s2=torch.sum(imgs,dim=1)#按行求和print(s1)print(s2)2.torch.unsqueeze将每个图像张量的维度扩展，即在每个图像张量的最前面添加一个额外维度，以匹配模型的输入形状要求。 torch.unsqueeze(i,dim=0) #按dim=0