如何仅用Torch将3×3张量转换为3×1×3张量？

给定原始3×3张量：

tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]])

需要转换为3×1×3的目标张量：

tensor([[[1., 1., 1.]],

        [[1., 1., 1.]],

        [[1., 1., 1.]]])

你提到不能用[:, None, :]索引方式，且unsqueeze(-1)会得到不符合需求的3×3×1张量，这里提供几种仅用PyTorch的可行方案：

• 方案1：指定维度的unsqueeze
  unsqueeze支持传入具体维度索引，我们需要在第1个维度（从0开始计数）插入新维度，代码如下：

  import torch
  x = torch.ones(3, 3)
  x_reshaped = x.unsqueeze(1)
  

  执行后x_reshaped的形状即为(3, 1, 3)，完全匹配需求。

• 方案2：使用reshape直接定义形状
  利用reshape方法直接指定目标张量形状，只要元素总数和原始张量一致即可：

  x_reshaped = x.reshape(3, 1, 3)
  

• 方案3：使用view方法
  如果原始张量是连续存储的（比如torch.ones生成的张量），可以用view方法实现形状转换：

  x_reshaped = x.view(3, 1, 3)
  

注：unsqueeze(-1)不符合需求是因为-1代表最后一个维度，插入后会得到(3, 3, 1)的形状，而我们需要在中间维度插入，所以指定索引1即可。

内容的提问来源于stack exchange，提问作者Ant