mindspore.mint.squeeze

mindspore.mint.squeeze(input, dim)

返回删除指定 dim 中大小为1的维度后的Tensor。

如果 $dim=()$ ，则删除所有大小为1的维度。 如果指定了 dim，删除指定 dim 中大小为1的维度。 例如，如果不指定维度，即 $dim=()$ ，输入的shape为(A, 1, B, C, 1, D)，则输出的Tensor的shape为(A, B, C, D)；如果指定维度，那么squeeze操作仅在指定维度中进行。 如果输入的shape为(A, 1, B)， $axis=0$ 或 $axis=2$ 时不会改变输入的Tensor，但 $dim=1$ 时，会使输入Tensor的shape变为(A, B)。

说明

• 请注意，在动态图模式下，输出Tensor将与输入Tensor共享数据，并且没有Tensor数据复制过程。

• 维度索引从0开始，并且必须在 [-input.ndim, input.ndim) 范围内。

• 在GE模式下，只支持对input shape中大小为1的维度进行压缩。

警告

这是一个实验性API，后续可能修改或删除。

参数：

• input (Tensor) - 用于计算Squeeze的输入Tensor。其shape为 $(x_1,x_2,...,x_R)$ 。

• dim (Union[int, tuple(int)]) - 指定待删除shape的维度索引。其会删除给定 dim 参数中所有大小为1的维度。如果指定了维度索引，其数据类型必须为int32或int64。

返回：

Tensor，shape为 $(x_1,x_2,...,x_S)$ 。

异常：

• TypeError - input 不是tensor。

• TypeError - dim 不是int、tuple。

• TypeError - dim 是tuple，但其元素不全是int。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint
>>> input = Tensor(np.ones(shape=[3, 2, 1]), mindspore.float32)
>>> output = mint.squeeze(input, 2)
>>> print(output)
[[1. 1.]
 [1. 1.]
 [1. 1.]]