以如下 tensor a 为例，展示常用的维度变换操作

>>> a = torch.rand(4,3,28,28)
>>> a.shape
torch.Size([4, 3, 28, 28])

• view / reshape 两者功能完全相同: a.view(shape)

  >>> a.view(4,3,28*28)  		## a.view(4,3,28,28) 可恢复
  

• squeeze / unsqueeze: a.unsqueeze(dim), a.squeeze(dim) 只能挤压 1 维度 的

  >>> a.unsqueeze(0).shape	## a.squeeze(0) 可恢复
  torch.Size([1, 4, 3, 28, 28])
  

• transpose / permute：.t() 只能用于二维矩阵

  >>> a.transpose(0,1).shape    ## 两两交换：交换 0 1 维度
  torch.Size([3, 4, 28, 28])
  >>> a.permute(0,1,2,3).shape  ## 新置维度，非两两交换，更方便 
  torch.Size([4, 3, 28, 28])
  

• expand / repeat 两者效果完全相同 expand 高效更推荐

  >>> a.unsqueeze(0).expand(2,4,3,28,28).shape  # 只能拓展 1 维度的
  torch.Size([2, 4, 3, 28, 28])
  >>> a.unsqueeze(0).repeat(2,1,1,1,1).shape    # 不是填目标维度，而是填每个维度的重复次数   
  torch.Size([2, 4, 3, 28, 28])
  

• broadcasting 自动扩张：基于已有的小维度的值 自动 进行广播拓展
  

  >>> b = a+torch.tensor(1) 
  >>> b.shape
  torch.Size([4, 3, 28, 28])
  

---

• B站视频参考资料