进阶torch:torch.stack和torch.cat + one-hot报错

torch.cat函数参数解析

作用：torch.cat将多个tensor拼接而成一个tensor,实现了在不同维度上的tensor拼接。

参数：inputs:  待拼接的两个张量序列，要拼接两个单独的张量，可以采用inputs=[tensor_1,tensor_2]的方法。

           dim: 拼接的维度，下面将区分两种拼接维度的区别，一看就懂，易上手。

示例代码：

import torch
tensor_a = torch.tensor([[1,2],[2,3],[3,4],[4,5]])
tensor_b = torch.tensor([[0,1],[-1,0],[-2,-1],[-3,-2]])
tensor_c1 = torch.cat((tensor_a,tensor_b),dim=0)
tensor_c2 = torch.cat((tensor_a,tensor_b),dim=1)
print(tensor_c1)
print(tensor_c2)

运行结果：

 dim=0的情况下的拼接运算：

 dim=1的情况下的拼接运算：

torch.stack

作用：连接张量，同torch.cat不同的是，连接不是拼接，拼接讲的是在两个张量进行张量内的拼接，而连接指的是两个张量之间进行连接。

参数：inputs:  待连接的两个张量序列，要在张量间连接两个单独的张量，可以采用inputs=[tensor_1,tensor_2]的方法。

           dim: 拼接的维度，下面将区分两种拼接维度的区别，一看就懂，易上手。

 示例代码：

import torch
tensor_a = torch.tensor([[1,2],[2,3],[3,4],[4,5]])
tensor_b = torch.tensor([[0,1],[-1,0],[-2,-1],[-3,-2]])
tensor_c1 = torch.stack((tensor_a,tensor_b),dim=0)
tensor_c2 = torch.stack((tensor_a,tensor_b),dim=1)
print(tensor_c1)
print(tensor_c2)

dim=0时：

 

dim=1时：

 one-hot独热编码报错：one-hot is only applicable to index tensor.

解决办法：

检查传入参数是不是torch.int32类型的，如果是，请改为torch.int64。

参考博客：pytorch 独热编码报错的解决办法

                torch.stack()的官方解释，详解以及例子