【テンソル操作のキホン】reshape・squeeze・unsqueezeを完全マスター！📦➡️📐
機械学習・深層学習の実装において、避けて通れないのが**「テンソルの形状（shape）変換」**です。
この操作がうまく使えるようになると、モデルへの入力整形やデータ処理が一気にスマートに！
この記事では、代表的な3つの操作――
-
reshape -
squeeze -
unsqueeze
を中心に、図解的なイメージとPythonコードでわかりやすく解説します😊✨
🔄 reshape：形を自由に変える！
import numpy as np
a = np.array([[1, 2, 3],
[4, 5, 6]]) # shape: (2, 3)
b = a.reshape(3, 2) # shape: (3, 2)
出力：
[[1 2]
[3 4]
[5 6]]
📌 ポイント：
-
要素数（個数）が変わらない限り、自由に形を変えられる
-
-1を使えば「自動計算」もできる！
a.reshape(-1, 1) # 自動的に列1の形にしてくれる
これは画像や時系列データのバッチ整形などに超便利です💡
✂️ squeeze：余分な次元を取り除く！
a = np.array([[[1], [2], [3]]]) # shape: (1, 3, 1)
b = np.squeeze(a) # shape: (3,)
📌 squeezeの役割：
-
次元が1の箇所（例：
(1, 3, 1)の「1」部分）を削除してくれます
これは、余計な次元が残っていて演算できないときの救世主🛠️
例：
a.shape → (1, 28, 28, 1) # 画像処理などによくある形
np.squeeze(a).shape → (28, 28)
➕ unsqueeze：次元を追加する！
a = np.array([1, 2, 3]) # shape: (3,)
b = np.expand_dims(a, axis=0) # shape: (1, 3)
c = np.expand_dims(a, axis=1) # shape: (3, 1)
📌 unsqueeze（＝expand_dims）の役割：
-
特定の軸に新しい次元（= 1）を追加する！
これはバッチ処理やCNNの入力整形時によく使われるんです。
🧪 PyTorchでの形状変換
import torch
x = torch.tensor([1, 2, 3])
# reshape
x_reshape = x.reshape(3, 1)
# unsqueeze
x_unsq = x.unsqueeze(0) # → shape: (1, 3)
# squeeze
x_sq = x_unsq.squeeze() # → shape: (3,)
📝 PyTorchでは .view() という関数も reshape とほぼ同じ意味で使えますが、reshape の方が安全で推奨されます。
💥 よくある使いどころ
📌 画像入力のチャンネル追加
# (28, 28) → (1, 28, 28)
image = torch.tensor(image_array).unsqueeze(0)
📌 バッチ整形
# (28, 28) → (1, 1, 28, 28)
image = image.unsqueeze(0).unsqueeze(0)
📌 モデルの出力から余計な次元削除
output = output.squeeze() # → shapeを (1,) → () に
⚠️ 注意点
-
reshapeやviewは「要素数を変えない」のが前提！
-
squeezeは次元が1でないと消せない
-
unsqueeze後の処理に注意！ → 入力shapeが変わるとモデルがエラーになることも
✅ まとめ
-
reshape：形を変える（要素数はそのまま） -
squeeze：不要な次元を削除（次元＝1） -
unsqueeze：新しい次元を追加（次元＝1）
テンソルの形状変換を自在に扱えるようになれば、モデルの前処理・後処理がスムーズになり、開発効率が格段にアップ！🚀
次回は「テンソルの結合・分割（concatenate / stack / split / chunk）」について解説予定！
お楽しみに📚✨