1. torch.unsqueeze 详解
torch.unsqueeze(input, dim, out=None)
- 作用：扩展维度
返回一个新的张量，对输入的既定位置插入维度 1
- 注意： 返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。
如果dim为负，则将会被转化dim+input.dim()+1
- 参数:
tensor (Tensor)– 输入张量dim (int)– 插入维度的索引out (Tensor, optional)– 结果张量
A dim value within the range [-input.dim() - 1, input.dim() + 1) （左闭右开）can be used.
为何取值范围要如此设计呢？
原因：方便操作
0(-2)-行扩展
1(-1)-列扩展
正向：我们在0，1位置上扩展
逆向：我们在-2，-1位置上扩展
维度扩展：1维->2维，2维->3维，...，n维->n+1维
维度降低：n维->n-1维，n-1维->n-2维，...，2维->1维以 1维->2维 为例，
从【正向】的角度思考：
torch.Size([4])
最初的 tensor([1., 2., 3., 4.]) 是 1维，我们想让它扩展成 2维，那么，可以有两种扩展方式：一种是：扩展成 1行4列 ，即 tensor([[1., 2., 3., 4.]])
针对第一种，扩展成 [1, 4]的形式，那么，在 dim=0 的位置上添加 1另一种是：扩展成 4行1列，即
tensor([[1.],
[2.],
[3.],
[4.]])
针对第二种，扩展成 [4, 1]的形式，那么，在dim=1的位置上添加 1从【逆向】的角度思考：
原则：一般情况下， "-1" 是代表的是【最后一个元素】
在上述的原则下，
扩展成[1, 4]的形式，就变成了，在 dim=-2 的的位置上添加 1
扩展成[4, 1]的形式，就变成了，在 dim=-1 的的位置上添加 1
torch.squeeze 详解
- 作用：降维
torch.squeeze(input, dim=None, out=None)
将输入张量形状中的1 去除并返回。 如果输入是形如(A×1×B×1×C×1×D)，那么输出形状就为： (A×B×C×D)
当给定dim时，那么挤压操作只在给定维度上。例如，输入形状为: (A×1×B), squeeze(input, 0) 将会保持张量不变，只有用 squeeze(input, 1)，形状会变成 (A×B)。
- 注意： 返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。
- 参数:
input (Tensor)– 输入张量dim (int, optional)– 如果给定，则input只会在给定维度挤压out (Tensor, optional)– 输出张量
为何只去掉 1 呢？
多维张量本质上就是一个变换，如果维度是 1 ，那么，1 仅仅起到扩充维度的作用，而没有其他用途，因而，在进行降维操作时，为了加快计算，是可以去掉这些 1 的维度。
参考资料：https://pytorch.org/docs/stable/generated/torch.squeeze.html?highlight=torch%20squeeze#torch.squeeze
https://zhuanlan.zhihu.com/p/86763381