torch.stack()和torch.cat()的区别

最新推荐文章于 2024-11-10 15:07:40 发布

原创最新推荐文章于 2024-11-10 15:07:40 发布 · 622 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习 #机器学习

python随笔专栏收录该内容

1 篇文章

订阅专栏

本文介绍了PyTorch中torch.cat()和torch.stack()两个函数的用法。torch.stack()可以通过torch.cat()实现，具体为将每个张量在指定维度上加一维然后拼接。torch.cat()函数用于沿着指定维度合并多个张量。举例说明了当dim分别为0和1时，torch.cat()如何操作张量a和b。理解这两个函数对于有效处理和组合张量至关重要。

部署运行你感兴趣的模型镜像

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
"""

您可能感兴趣的与本文相关的镜像