矩阵拼接 cat padding_pytorch

最新推荐文章于 2024-07-26 00:30:42 发布

转载最新推荐文章于 2024-07-26 00:30:42 发布 · 260 阅读

CC 4.0 BY-SA版权

原文链接：https://blog.youkuaiyun.com/a1058420631/article/details/94137505

博客介绍了Numpy和Torch的张量拼接方法。Numpy中，np.vstack()用于垂直拼接，np.hstack()用于横向拼接；Torch里，torch.cat()可通过dim参数控制水平或竖直拼接，torch.stack()能沿着新维度连接输入张量序列。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

20201219

两个向量形成一个元素
aa=np.array([1,2])
bb=np.array([2,2])
cc=np.vstack((aa,bb))
dd=np.vstack((aa,bb))

cc=torch.from_numpy(cc)
dd=torch.from_numpy(dd)

cc=cc.view(1,2,2)
dd=dd.view(1,2,2)

ee=torch.cat((cc,dd), 0)
print(ee)

1.拼接
1.1numpy
np.vstack() v 表示vertical 垂直，也就是竖着拼接和np.hstack() h表示Horizontal 横向
在这里插入图片描述

1.2torch
torch.cat()，dim=1为水平拼接，dim=0为竖直拼接

>>> x = torch.randn(2, 3)
>>> x
 
 0.5983 -0.0341  2.4918
 1.5981 -0.5265 -0.8735
[torch.FloatTensor of size 2x3]
 
>>> torch.cat((x, x, x), 0)
 
 0.5983 -0.0341  2.4918
 1.5981 -0.5265 -0.8735
 0.5983 -0.0341  2.4918
 1.5981 -0.5265 -0.8735
 0.5983 -0.0341  2.4918
 1.5981 -0.5265 -0.8735
[torch.FloatTensor of size 6x3]
 
>>> torch.cat((x, x, x), 1)
 
 0.5983 -0.0341  2.4918  0.5983 -0.0341  2.4918  0.5983 -0.0341  2.4918
 1.5981 -0.5265 -0.8735  1.5981 -0.5265 -0.8735  1.5981 -0.5265 -0.8735
[torch.FloatTensor of size 2x9]

torch.stack()沿着一个新维度对输入张量序列进行连接。
在这里插入图片描述
c, dim = 0时， c = [ a, b]

d, dim =1 时， d = [ [a[0] , b[0] ] , [a[1], b[1] ] ]

e, dim = 2 时， e = [ [ [ a[0][0], b[0][0] ] , [ a[0][1], b[0][1] ] , [ a[0][2],b[0][2] ] ] ,

                                  [   [ a[1][0], b[1][0] ]  , [ a[1][1], b[0][1] ]  ,  [ a[1][2],b[1][2] ] ]      ]