函数调用形式：torch.unsqueeze(input, dim) → Tensor
功能： 在指定位置 dim 插入一个大小为1的维度input： old tensordim: 插入维度的位置。 dim 范围为：[-input.dim() - 1, input.dim() + 1)。当 dim 为负数时，表示从后向前计数（即，dim == -1 和 dim == input.dim() 等效）。 return： new tensor详情见pytorch官方文档：unsqueeze()函数
代码如下： import torchprint('============= unsqueeze() 函数用法 ===============')x = torch.tensor([[1,2,3], [4,5,6]])print( 'nx : ', x, 'nx.shape : ', x.shape, # (2, 3) 'nx.dim : ', x.dim() # 2)y = torch.unsqueeze(x, 0) # 在第 0 维插入print( 'ny : ', y, 'ny.shape : ', y.shape, # (1, 2, 3) 'ny.dim : ', y.dim() # 3)z1 = torch.unsqueeze(x, 1) # 在第 1 维插入print( 'nz1 : ', z1, 'nz1.shape : ', z1.shape, # (2, 1, 3) 'nz1.dim : ', z1.dim() # 3)z2 = torch.unsqueeze(x, 2) # 在第 2 维插入（原tensor维度最右边）print( 'nz2 : ', z2, 'nz2.shape : ', z2.shape, # (2, 3, 1) 'nz2.dim : ', z2.dim())z3 = torch.unsqueeze(x, -1) # 负号代表从后向前加维度，-1表示在最后一个维度后面加一个为1的维度。**z3 -> -1 与 z2 -> input.dim() 等效。**print( 'nz3 : ', z3, 'nz3.shape : ', z3.shape, 'nz3.dim : ', z3.dim()) 输出结果如下： xx : tensor([[1, 2, 3], [4, 5, 6]]) x.shape : torch.Size([2, 3]) x.dim : 2y : tensor([[[1, 2, 3], [4, 5, 6]]]) y.shape : torch.Size([1, 2, 3]) y.dim : 3z1 : tensor([[[1, 2, 3]], [[4, 5, 6]]]) z1.shape : torch.Size([2, 1, 3]) z1.dim : 3z2 : tensor([[[1], [2], [3]], [[4], [5], [6]]]) z2.shape : torch.Size([2, 3, 1]) z2.dim : 3z3 : tensor([[[1], [2], [3]], [[4], [5], [6]]]) z3.shape : torch.Size([2, 3, 1]) z3.dim : 3