unsqueeze：简单来说就是添加tensor的维度
举例说明：
代码
import torch
x = torch.tensor([1, 2, 3])#dim=1,即（3）
print('x: ', x)
print('x.size: ', x.size())
x1 = torch.unsqueeze(x, 1)#x1变为（3,1）的矩阵
print('x1: ', x1)
print('x1.size: ', x1.size())
x2 = torch.unsqueeze(x, 0)#x2变为（1,3）的矩阵
print('x2: ', x2)
print('x2.size: ', x2.size())
结果
解析：我们初始的张量为Tensor([1,2,3])，输出size为[3]。而我们进行unsqueeze操作，即torch.unsqueeze(x, 1)，得到x1的size为[3,1]。当我们进行torch.unsqueeze(x, 0)时，x2的size为[1,3]。
squeeze：简单来说就是删减tensor的维度（只能dim=1的维度）
举例说明：
存在一个tensor X 的size为[1,2,3,4,1,5,1]
torch.squeeze(x).size：删除了所有dim=1的维度，即size = [2,3,4,5]
torch.squeeze(x, 0).size：删除了第一维度的维度，由于值为1，所以删除成功即size = [2,3,4,1,5,1]
torch.squeeze(x, 1).size：删除了第二维度的维度，由于值为2，不等于1 所以删除失败即size = [1,2,3,4,1,5,1]