总结： Numpy , Tensor , Variable 增删

---

作 者： 月牙眼的楼下小黑
联 系：zlf111@mail.ustc.edu.cn
声 明： 欢迎转载本文中的图片或文字，请说明出处

---

1.Numpy.array

• 给 2-d Array(H, W) 增加一个值为 1 的维度成为 3-d Array(H, W, 1)：

彩色图像 在 numpy中以 (H, W, C) 形状（channel-last）的 3-d Array 存储; 而 灰度图像 则以 (H, W) 形状的 2-d Array 存储, 经常需要为其增加一个值为 1 的维度， 成为 3-d Array(H, W, 1)。

import numpy as np

in:
a = np.ones((3,3))
print(a.shape) 
b1 = np.expand_dims(a,2)
print(b1.shape)

out:
(2, 2)
(2, 2, 1)

note:
b2 = np.expand_dims(a, 0) # (1, 2, 2)
b3 = np.expand_dims(a, 1) # (2, 2, 1)

• 删去n-d Array 中值为1 的维度

在显示、保存图像矩阵时，往往需要删去值为1的维度:

in:
a = np.ones((2,2,1))
print(a.shape)
b = np.squeeze(a)
print(b.shape)

out:
(2, 2, 1)
(2, 2)

2.torch.Tensor

• 给 2-d Tensor(H, W) 增加一个值为 1 的维度成为 3-d Tensor(1, H, W)：

彩色图像 在 Pytorch 中以 (C, H, W) 形状（channel-first）的 3-d tensor 存储; 而 灰度图像 则以 (H, W) 形状的 2-d tensor 存储, 经常需要为其增加一个值为 1 的维度， 成为 3-d tensor (H, W, 1)。

in:
import torch as t
a = np.ones((2,2))
a = t.Tensor(a)
print(a.shape)

b = t.unsqueeze(a, 0)
print(b.shape)

out:
torch.Size([2, 2])
torch.Size([1, 2, 2])

• 删去n-d Array 中值为1 的维度

in:
import torch as t
a = np.ones((2,2,1))
a = t.Tensor(a)
print(a.shape)

b = t.squeeze(a)
print(b.shape)

out:
torch.Size([2, 2, 1])
torch.Size([2, 2])

3.torch.Variable

在 Pytorch 中为支持自动求导， Tenosr 被封装成 Variable。 Variable 增删维度使用的函数与 Tensor 一致。