文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

Pytorch中torch.cat()函数的使用及说明

2023-01-03 12:01

关注

一. torch.cat()函数解析

1. 函数说明

1.1 官网:torch.cat()

函数定义及参数说明如下图所示:

函数定义及参数说明

1.2 函数功能

函数将两个张量(tensor)按指定维度拼接在一起,注意:除拼接维数dim数值可不同外其余维数数值需相同,方能对齐,如下面例子所示。

torch.cat()函数不会新增维度,而torch.stack()函数会新增一个维度,相同的是两个都是对张量进行拼接

2. 代码举例

2.1 输入两个二维张量(dim=0):dim=0对行进行拼接

a = torch.randn(2,3)
b =  torch.randn(3,3)
c = torch.cat((a,b),dim=0)
a,b,c

输出结果如下:

(tensor([[-0.90, -0.37,  1.96],
         [-2.65, -0.60,  0.05]]),
 tensor([[ 1.30,  0.24,  0.27],
         [-1.99, -1.09,  1.67],
         [-1.62,  1.54, -0.14]]),
 tensor([[-0.90, -0.37,  1.96],
         [-2.65, -0.60,  0.05],
         [ 1.30,  0.24,  0.27],
         [-1.99, -1.09,  1.67],
         [-1.62,  1.54, -0.14]]))

2.2 输入两个二维张量(dim=1): dim=1对列进行拼接

a = torch.randn(2,3)
b =  torch.randn(2,4)
c = torch.cat((a,b),dim=1)
a,b,c

输出结果如下:

(tensor([[-0.55, -0.84, -1.60],
         [ 0.39, -0.96,  1.02]]),
 tensor([[-0.83, -0.09,  0.05,  0.17],
         [ 0.28, -0.74, -0.27, -0.85]]),
 tensor([[-0.55, -0.84, -1.60, -0.83, -0.09,  0.05,  0.17],
         [ 0.39, -0.96,  1.02,  0.28, -0.74, -0.27, -0.85]]))

2.3 输入两个三维张量:dim=0 对通道进行拼接

a = torch.randn(2,3,4)
b =  torch.randn(1,3,4)
c = torch.cat((a,b),dim=0)
a,b,c

输出结果如下:

(tensor([[[ 0.51, -0.72, -0.02,  0.76],
          [ 0.72,  1.01,  0.39, -0.13],
          [ 0.37, -0.63, -2.69,  0.74]],
 
         [[ 0.72, -0.31, -0.27,  0.10],
          [ 1.66, -0.06,  1.91, -0.66],
          [ 0.34, -0.23, -0.18, -1.22]]]),
 tensor([[[ 0.94,  0.77, -0.41, -1.20],
          [-0.23, -1.03, -0.25,  1.67],
          [-1.00, -0.68, -0.35, -0.50]]]),
 tensor([[[ 0.51, -0.72, -0.02,  0.76],
          [ 0.72,  1.01,  0.39, -0.13],
          [ 0.37, -0.63, -2.69,  0.74]],
 
         [[ 0.72, -0.31, -0.27,  0.10],
          [ 1.66, -0.06,  1.91, -0.66],
          [ 0.34, -0.23, -0.18, -1.22]],
 
         [[ 0.94,  0.77, -0.41, -1.20],
          [-0.23, -1.03, -0.25,  1.67],
          [-1.00, -0.68, -0.35, -0.50]]]))

2.4 输入两个三维张量:dim=1对行进行拼接

a = torch.randn(2,3,4)
b =  torch.randn(2,4,4)
c = torch.cat((a,b),dim=1)
a,b,c

输出结果如下:

(tensor([[[-0.86,  0.00, -1.26,  1.20],
          [-0.46, -1.08, -0.82,  2.03],
          [-0.89,  0.43,  1.92,  0.49]],
 
         [[ 0.24, -0.02,  0.32,  0.97],
          [ 0.33, -1.34,  0.76, -1.55],
          [ 0.38,  1.45,  0.27, -0.64]]]),
 tensor([[[ 0.82,  0.85, -0.30, -0.58],
          [-0.09,  0.40,  0.02,  0.75],
          [-0.70,  0.67, -0.88, -0.50],
          [-0.62, -1.65, -1.10, -1.39]],
 
         [[-0.85, -1.61, -0.35, -0.56],
          [ 0.00,  1.40,  0.41,  0.39],
          [-0.01,  0.04,  0.80,  0.41],
          [-1.21, -0.64,  1.14,  1.64]]]),
 tensor([[[-0.86,  0.00, -1.26,  1.20],
          [-0.46, -1.08, -0.82,  2.03],
          [-0.89,  0.43,  1.92,  0.49],
          [ 0.82,  0.85, -0.30, -0.58],
          [-0.09,  0.40,  0.02,  0.75],
          [-0.70,  0.67, -0.88, -0.50],
          [-0.62, -1.65, -1.10, -1.39]],
 
         [[ 0.24, -0.02,  0.32,  0.97],
          [ 0.33, -1.34,  0.76, -1.55],
          [ 0.38,  1.45,  0.27, -0.64],
          [-0.85, -1.61, -0.35, -0.56],
          [ 0.00,  1.40,  0.41,  0.39],
          [-0.01,  0.04,  0.80,  0.41],
          [-1.21, -0.64,  1.14,  1.64]]]))

2.5 输入两个三维张量:dim=2对列进行拼接

a = torch.randn(2,3,4)
b =  torch.randn(2,3,5)
c = torch.cat((a,b),dim=2)
a,b,c

输出结果如下:

(tensor([[[ 0.13, -0.02,  0.13, -0.25],
          [ 1.42, -0.22, -0.87,  0.27],
          [-0.07,  1.04, -0.06,  0.91]],
 
         [[ 0.88, -1.46,  0.04,  0.35],
          [ 1.36,  0.64,  0.75,  0.39],
          [ 0.36,  1.13,  0.83,  0.56]]]),
 tensor([[[-0.47, -2.30, -0.49, -1.02,  1.74],
          [ 0.71,  0.89,  0.80, -0.05, -1.35],
          [-0.40,  0.26, -0.78, -1.50, -0.92]],
 
         [[-0.77, -0.01,  1.23,  0.70, -0.66],
          [ 0.28, -0.18, -0.91,  2.23,  1.14],
          [-1.93, -0.17,  0.15,  0.40,  0.32]]]),
 tensor([[[ 0.13, -0.02,  0.13, -0.25, -0.47, -2.30, -0.49, -1.02,  1.74],
          [ 1.42, -0.22, -0.87,  0.27,  0.71,  0.89,  0.80, -0.05, -1.35],
          [-0.07,  1.04, -0.06,  0.91, -0.40,  0.26, -0.78, -1.50, -0.92]],
 
         [[ 0.88, -1.46,  0.04,  0.35, -0.77, -0.01,  1.23,  0.70, -0.66],
          [ 1.36,  0.64,  0.75,  0.39,  0.28, -0.18, -0.91,  2.23,  1.14],
          [ 0.36,  1.13,  0.83,  0.56, -1.93, -0.17,  0.15,  0.40,  0.32]]]))

总结

以上为个人经验,希望能给大家一个参考,也希望大家多多支持编程网。

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯