如何以Pythonic简洁写法实现PyTorch张量unsqueeze维度调整

连续重复调用unsqueeze确实冗余，下面两种原生PyTorch写法都可以完全替代重复调用，更符合Pythonic规范，且没有额外性能开销：

用None做新维度占位符（最简洁） #

PyTorch张量和NumPy数组一致，支持在索引中用None插入长度为1的新维度，不需要反复调用函数，写法非常清爽：

• 对应你第一种「在最后一个维度连续扩展3次」的场景，用省略号代指前面所有原有维度，后面直接跟3个None即可：

inps = torch.FloatTensor(data[0])
tgts = torch.FloatTensor(data[1])

# 效果完全等价于连续3次调用unsqueeze(dim=-1)
tgts = tgts[..., None, None, None]
inps = inps[..., None, None, None]

• 对应你第二种「在dim=1位置连续扩展3次」的场景，先保留第0维，插入3个新维度后再用省略号代指后面所有原有维度即可：

inps = torch.FloatTensor(data[0])
tgts = torch.FloatTensor(data[1])

# 效果完全等价于连续3次调用unsqueeze(dim=1)
tgts = tgts[:, None, None, None, ...]
inps = inps[:, None, None, None, ...]

显式构造目标形状（可读性最强） #

如果希望维度逻辑更直白，不需要记忆索引规则，可以直接基于原张量的shape拼接目标形状，用view（张量内存连续时使用）或reshape（无内存连续要求）实现：

• 末尾加3个维度的场景：

# 原形状后拼接3个长度为1的维度
inps = inps.view(*inps.shape, 1, 1, 1)
tgts = tgts.view(*tgts.shape, 1, 1, 1)

• dim=1位置插入3个维度的场景：

# 第0维保持不变，插入3个长度为1的维度，后续维度按原顺序保留
inps = inps.view(inps.shape[0], 1, 1, 1, *inps.shape[1:])
tgts = tgts.view(tgts.shape[0], 1, 1, 1, *tgts.shape[1:])

注意：上面两种方法本质都是返回原张量的视图，不会复制底层数据，和重复调用unsqueeze的计算结果、性能表现完全一致。不建议用循环写法批量调用unsqueeze，反而会增加不必要的函数调用开销，可读性也没有优势。

内容的提问来源于stack exchange，提问作者Totoro