mindspore.ops.squeeze

mindspore.ops.squeeze(input, axis=None)

返回删除指定 axis 中大小为1的维度后的Tensor。

如果 \(axis=None\) ，则删除所有大小为1的维度。 如果指定了 axis，则删除指定 axis 中大小为1的维度。 例如，如果不指定维度 \(axis=None\) ，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，squeeze操作仅在指定维度中进行。 如果输入的shape为(A, 1, B)， \(axis=0\) 时不会改变输入的Tensor，但 \(axis=1\) 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。

参数：

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

• axis (Union[int, tuple(int), list(int)]) - 指定待删除shape的维度索引，它会删除给定axis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。默认值： None ，将使用空tuple。

返回：

Tensor，shape为 \((x_1, x_2, ..., x_S)\) 。

异常：

• TypeError - input 不是tensor。

• TypeError - axis 不是int、tuple或list。

• TypeError - axis 是tuple或list，但其元素不全是int。

• ValueError - 指定 axis 的对应维度不等于1。

支持平台：

Ascend GPU CPU

样例：

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