[PyTorch] 拼接多个tensor：torch.cat((A,B),axis)

注：参考博客Pytorch中的torch.cat()函数。本人在其基础上增加了更为详细的解释。

torch.cat((A,B),axis)是对A, B两个tensor进行拼接。

参数axis指定拼接的方式。axis=0为按行拼接；axis=1为按列拼接。

拼接的时候把待拼接的tensor视作整体。（注意在示例中理解这句话）

import torch# 初始化三个 tensor
A=torch.ones(2,3)    #2x3的张量（矩阵）
# tensor([[ 1.,  1.,  1.],
#         [ 1.,  1.,  1.]])
B=2*torch.ones(4,3)  #4x3的张量（矩阵）
# tensor([[ 2.,  2.,  2.],
#         [ 2.,  2.,  2.],
#         [ 2.,  2.,  2.],
#         [ 2.,  2.,  2.]])
D=2*torch.ones(2,4)     # 2x4的张量（矩阵）
# tensor([[ 2.,  2.,  2., 2.],
#         [ 2.,  2.,  2., 2.],# 按维数0（行）拼接 A 和 B
C=torch.cat((A,B),0)
# tensor([[ 1.,  1.,  1.],
#          [ 1.,  1.,  1.],
#          [ 2.,  2.,  2.],
#          [ 2.,  2.,  2.],
#          [ 2.,  2.,  2.],
#          [ 2.,  2.,  2.]])
print(C.shape)
# torch.Size([6, 3])# 按维数1（列）拼接 A 和 D
C=torch.cat((A,D),1)
# tensor([[ 1.,  1.,  1.,  2.,  2.,  2.,  2.],
#         [ 1.,  1.,  1.,  2.,  2.,  2.,  2.]])
print(C.shape)
# torch.Size([2, 7])

另外，torch.cat((A,B),axis)还能把list中的tensor拼接起来。

import torchx = torch.Tensor([1, 2, 3])
x = x.unsqueeze(1)
x2 = torch.cat( [ x*2 for i in range (1,4) ], 1 )
# tensor([[2., 2., 2.],
#         [4., 4., 4.],
#         [6., 6., 6.]])

x = torch.Tensor([1, 2, 3])生成的x的shape为torch.Size([3])，我们需要用x = x.unsqueeze(1)为x增加第二个维度，使其变为二维的tensor：torch.Size([3, 1])。

关于升维函数 x.unsqueeze(axis) 和降维函数 x.unsqueeze(axis) 的详细说明，可以去我的另一篇博客增加维度或者减少维度 ——a.squeeze(axis) 和 a.unsqueeze(axis)

torch.cat( [ x*2 for i in range (1,4) ], 1 )先生成了一个包含 3 个tensor的list，然后对list中的元素按列拼接（axis=1）。
关于range这个基本的函数，见本人的另一篇博客创建一个整数列表—— range()
故最后的结果为：

# tensor([[2., 2., 2.],
#         [4., 4., 4.],
#         [6., 6., 6.]])

[PyTorch] 拼接多个tensor：torch.cat((A,B),axis)相关推荐

PyTorch基础（五）----- torch.cat()方法
cat是concatnate的缩写,concatnate的含义拼接,深度学习模型中最为常见的是通道拼接. 一.普通用法 dim = 1:表示将张量A.B按照维数1进行拼接,换句话说,就是按照列进行拼接 ...
torch.cat()函数的官方解释，详解以及例子
可以直接看最下面的例子,再回头看前面的解释,就很明白了. 在pytorch中,常见的拼接函数主要是两个,分别是: stack() cat() 一般torch.cat()是为了把多个tensor进行拼接 ...
torch.cat 和 torch.stack
torch.cat 和 torch.stack看起来相似但是性质还是不同的使用python中的list列表收录tensor时,然后将list列表转化成tensor时,会报错.这个时候就要使用torc ...
pytorch拼接函数：torch.stack()和torch.cat()--详解及例子
原文链接: https://blog.csdn.net/xinjieyuan/article/details/105205326 https://blog.csdn.net/xinjieyuan/ar ...
【PyTorch】torch.cat==＞张量拼接，在图像的应用上可以有效利用原始图像结构信息
1. 字面理解:torch.cat是将两个张量(tensor)拼接在一起,cat 是 concatenate 的意思,即拼接,联系在一起. 使用torch.cat((A,B),dim)时,除拼接维数d ...
多维tensor/numpy array的拼接(np.stack, torch.cat)
对于numpy array 当有如下情景,我需要4维tensor,(b,c,w,h), 而写的程序是单张图片遍历的,即每张图片(c,w,h),这时,就需要先用一个list,然后每次append,到最后 ...
PyTorch的torch.cat
字面理解:torch.cat是将两个张量(tensor)拼接在一起,cat是concatnate的意思,即拼接,联系在一起. 例子理解 import torch A=torch.ones(2,3) # ...
pytorch 中 torch.cat 函数的使用
1. 字面理解:torch.cat是将两个张量(tensor)拼接在一起,cat是concatnate的意思,即拼接,联系在一起. 2. 例子理解 >>> import torch ...
torch的拼接函数_Pytorch中的torch.cat()函数
cat( )的用法按维数0拼接(竖着拼) C = torch.cat( (A,B),0 ) 按维数1拼接(横着拼) C = torch.cat( (A,B),1 ) 按维数0拼接 A=torch.o ...

[PyTorch] 拼接多个tensor：torch.cat((A,B),axis)

[PyTorch] 拼接多个tensor：torch.cat((A,B),axis)相关推荐

最新文章

热门文章