torch.stack(list)

本文详细介绍了PyTorch中使用stack函数堆叠张量的方法,包括如何通过指定不同维度来组合张量,提供了具体示例并展示了输出结果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

torch.stack(list,0)

list 中的每个元素为tensor 中第0维度的每个元素

import torch

a = torch.Tensor([[1, 3, 2], [1, 3, 2]])
b = torch.Tensor([[2, 1, 1], [2, 1, 1]])
c = torch.Tensor([[3, 2, 3], [2, 1, 1]])

my_list = [a, b, c]
print(torch.stack(my_list, 0))


》》》
tensor([[[ 1.,  3.,  2.],
         [ 1.,  3.,  2.]],

        [[ 2.,  1.,  1.],
         [ 2.,  1.,  1.]],

        [[ 3.,  2.,  3.],
         [ 2.,  1.,  1.]]])

 

troch.stack(list,1)  list中每个元素的第0维元素-第n维元素各成一组

print(torch.stack(my_list, 1))

》》》
tensor([[[ 1.,  3.,  2.],
         [ 2.,  1.,  1.],
         [ 3.,  2.,  3.]],

        [[ 1.,  3.,  2.],
         [ 2.,  1.,  1.],
         [ 2.,  1.,  1.]]])

 

torch.concat和torch.stack都是PyTorch库中的操作函数,用于在新的维度上叠加多个张量。 torch.concat的作用是将多个张量在指定维度上进行合并。例如,通过torch.concat((x, y, c), dim=0),可以将x、y和c三个张量按照维度0进行合并,生成一个新的张量。类似地,可以在维度1或维度2上进行合并。 torch.stack的作用是将多个张量在指定维度上进行叠加。例如,通过torch.stack((x, y, c), dim=0),可以将x、y和c三个张量按照维度0进行叠加,生成一个新的张量。类似地,可以在维度1或维度2上进行叠加。 需要注意的是,torch.stack会增加一个新的维度,而torch.concat不会增加新的维度,只是在指定维度上进行合并操作。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [对PyTorch torch.stack的实例讲解](https://download.csdn.net/download/weixin_38743054/13998894)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [PyTorch 深度学习-张量的stack与concat操作](https://blog.csdn.net/GUO_PP/article/details/130039589)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值