torch.stack()和torch.cat()的区别1、torch.cat(tensors, dim)

98 阅读 0 评论 65 点赞

我是靠谱客的博主明理小蝴蝶，这篇文章主要介绍torch.stack()和torch.cat()的区别1、torch.cat(tensors, dim)，现在分享给大家，希望可以做个参考。

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

复制代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
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
"""