存在许多函数来实现维度缩减，并且以下是一些示例：
1.从64个特征中随机选择16个
1.取每四个特征的平均值（64/4=16）
1.使用像PCA这样维度缩减技术
1.应用linear transformation
1.应用convolution function
为了给予一个令人满意的答案，需要更多关于为什么和你想做什么的信息。

回答者：@打印块_de

切片Tensor

y = x[..., :16]
print(y.shape)
# torch.Size([2, 1, 80, 16])

以步幅4为索引

y = x[..., ::4]
print(y.shape)
# torch.Size([2, 1, 80, 16])

使用任何池化（最大值、平均值等）层（使用自适应池化层时也可以执行相同操作）

pool = nn.MaxPool2d((1, 2), (1, 4))
y = pool(x)
print(y.shape)
# torch.Size([2, 1, 80, 16])

pool = nn.AdaptiveAvgPool2d(output_size=(80, 16))
y = pool(x)
print(y.shape)
# torch.Size([2, 1, 80, 16])

或使用任何缩减运算（总和、平均值、最大值等）手动缩减最后一个维度