torch.stack()可以通过torch.cat()表达，即

torch.stack(tensors, dim)

等价于

 torch.cat([tensor.unsqueeze(dim) for tensor in tensors ], dim)

所以，若能理解torch.cat()函数，即可理解torch.stack()

1、torch.cat(tensors, dim)

参数:

        tensors:需要合并的张量集合

        dim:需要合并的维度

a = torch.tensor([[1, 2, 3],
                  [4, 5, 6],
                  [7, 8, 9]])
b = torch.tensor([[11, 12, 13],
                  [14, 15, 16],
                  [17, 18, 19]])
"""
a = tensor([[1, 2, 3],
            [4, 5, 6],
            [7, 8, 9]])

b = tensor([[11, 12, 13],
            [14, 15, 16],
            [17, 18, 19]])
"""

tensor.cat([a,b], 0)
"""
张量a的第0维的元素有3个，分别为[1, 2, 3], [4, 5, 6], [7, 8, 9]
张量b的第0维的元素有3个，分别为[11, 12, 13], [14, 15, 16], [17, 18, 19]
根据第0维合并，即 将如上6个元素按顺序合并为:
[[1, 2, 3], [4, 5, 6], [7, 8, 9], [11, 12, 13], [14, 15, 16], [17, 18, 19]]
"""

tensor.cat([a,b], 1)
"""
张量a的第0维的元素中，第一个元素的第0维(此处的“第0维度”)的元素有3个，分别是1， 2， 3
张量b的第0维的元素中，第一个元素的第1维的元素有3个，分别是1， 2， 3
"""

最后

以上就是明理小蝴蝶为你收集整理的torch.stack()和torch.cat()的区别1、torch.cat(tensors, dim)的全部内容，希望文章能够帮你解决torch.stack()和torch.cat()的区别1、torch.cat(tensors, dim)所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。