1 Cat

**
对数据沿着某一维度进行拼接。cat后数据的总维数不变.

比如下面代码对两个2维tensor（分别为23,13）进行拼接，拼接完后变为3*3还是2维的tensor。

import torch

torch.manual_seed(1)

x = torch.randn(2,3)

y = torch.randn(1,3)

print(x,y)

结果：

0.6614 0.2669 0.0617

0.6213 -0.4519 -0.1661

[torch.FloatTensor of size 2x3]

-1.5228 0.3817 -1.0276

[torch.FloatTensor of size 1x3]

将两个tensor拼在一起：

torch.cat((x,y),0)
结果：

0.6614 0.2669 0.0617

0.6213 -0.4519 -0.1661

-1.5228 0.3817 -1.0276

[torch.FloatTensor of size 3x3]

2 stack，增加新的维度进行堆叠

而stack则会增加新的维度。
如对两个12维的tensor在第0个维度上stack，则会变为212的tensor；在第1个维度上stack，则会变为12*2的tensor。
见代码：

a=torch.rand((1,2))
b=torch.rand((1,2))

c=torch.stack((a,b),0)

c.size()

结果：

torch.Size([2, 1, 2])

换成维度1：

d=torch.stack((a,b),1)

d.size()

结果：

torch.Size([1, 2, 2])

3 transpose ，交换维度

代码：

torch.manual_seed(1)

x = torch.randn(2,3)

print(x)

结果：

0.6614 0.2669 0.0617

0.6213 -0.4519 -0.1661

[torch.FloatTensor of size 2x3]

将x的维度互换：

x.transpose(0,1)

结果：
0.6614 0.6213
0.2669 -0.4519
0.0617 -0.1661
[torch.FloatTensor of size 3x2]
**

4 permute，适合多维数据，更灵活的transpose

**
permute是更灵活的transpose，可以灵活的对原数据的维度进行调换，而数据本身不变。
代码如下：

x = torch.randn(2,3,4)

print(x.size())

x_p = x.permute(1,0,2) # 将原来第1维变为0维，同理，0→1,2→2 print(x_p.size())

结果：

torch.Size([2, 3, 4])

torch.Size([3, 2, 4])

5 squeeze 和 unsqueeze

**
squeeze(dim_n)压缩，即去掉元素数量为1的dim_n维度。同理unsqueeze(dim_n)，增加dim_n维度，元素数量为1。

上代码：

定义张量

import torch

b = torch.Tensor(2,1)
b.shape
Out[28]: torch.Size([2, 1])

不加参数，去掉所有为元素个数为1的维度

b_ = b.squeeze()
b_.shape
Out[30]: torch.Size([2])

加上参数，去掉第一维的元素为1，不起作用，因为第一维有2个元素

b_ = b.squeeze(0)
b_.shape
Out[32]: torch.Size([2, 1])

这样就可以了

b_ = b.squeeze(1)
b_.shape
Out[34]: torch.Size([2])

增加一个维度

b_ = b.unsqueeze(2)
b_.shape
Out[36]: torch.Size([2, 1, 1])

6 view

torch.Tensor.view会将原有数据重新分配为一个新的张量，比如我们使用：

x = torch.randn(2, 4)
会输出一个随机张量：

1.5600 -1.6180 -2.0366 2.7115
0.8415 -1.0103 -0.4793 1.5734
[torch.FloatTensor of size 2x4]
然后我们看一下使用view重新构造一个Tensor

y = x.view(4,2)
print y

输出如下

1.5600 -1.6180
-2.0366 2.7115
0.8415 -1.0103
-0.4793 1.5734
[torch.FloatTensor of size 4x2]
从这里我们可以看出来他的作用，既然这样，我们可以将他变成一个三维数组：

z = x.view(2,2,2)

输出

(0 ,.,.) =
1.5600 -1.6180
-2.0366 2.7115

(1 ,.,.) =
0.8415 -1.0103
-0.4793 1.5734
[torch.FloatTensor of size 2x2x2]

python中cat,stac,transpose,permute,squeeze区别用法相关推荐

Python中爬虫框架或模块的区别
Python中爬虫框架或模块的区别,我们在Python的学习过程中,需要不断的总结知识点,这样我们才能进步的更快一些. (1)爬虫框架或模块 Python自带爬虫模块:urllib.urllib2; ...
Python中值传递和引用传递区别
原文:http://blog.csdn.net/xuqiaobo/article/details/72236539 举例,函数参数如果是dic,都不需要返回值,原值就被改变了 def aa(dic): ...
Python中str()与repr()函数的区别——repr() 的输出追求明确性，除了对象内容，还需要展示出对象的数据类型信息，适合开发和调试阶段使用...
Python中str()与repr()函数的区别 from:https://www.jianshu.com/p/2a41315ca47e 在 Python 中要将某一类型的变量或者常量转换为字符串对象 ...
python中列表元组字典集合的区别
参考文章:python中列表元组字典集合的区别
Python中爬虫框架或模块的区别！
Python中爬虫框架或模块的区别,我们在Python的学习过程中,需要不断的总结知识点,这样我们才能进步的更快一些. (1)爬虫框架或模块 Python自带爬虫模块:urllib.urllib2; ...
【Python】Python中str()和repr()函数的区别
作用在 Python 中要将某一类型的变量或者常量转换为字符串对象通常有两种方法,即 str() 或者 repr() . 区别与使用参考文章:Python 中 str() 和 repr() 函数的 ...
python中的return和print的区别_python中return和print的区别（详细）
Huskiesir python最近正在研究.今天,我面临一个问题,那就是,返回和印刷的区别.双方都能输出结果.的区别是什么?闲话少说,看下面的例子.# Code1: def break_words( ...
python中dtype什么意思_浅谈python 中的 type(), dtype(), astype()的区别
如下所示: 函数说明 type() 返回数据结构类型(list.dict.numpy.ndarray 等) dtype() 返回数据元素的数据类型(int.float等) 备注:1)由于 list. ...
python dtype什么意思_浅谈python 中的 type(), dtype(), astype()的区别
如下所示: 函数说明 type() 返回数据结构类型(list.dict.numpy.ndarray 等) dtype() 返回数据元素的数据类型(int.float等) 备注:1)由于 list. ...

python中cat,stac,transpose,permute,squeeze区别用法

1 Cat

2 stack，增加新的维度进行堆叠

3 transpose ，交换维度

4 permute，适合多维数据，更灵活的transpose

5 squeeze 和 unsqueeze

定义张量

不加参数，去掉所有为元素个数为1的维度

加上参数，去掉第一维的元素为1，不起作用，因为第一维有2个元素

这样就可以了

增加一个维度

6 view

输出如下

输出

python中cat,stac,transpose,permute,squeeze区别用法相关推荐

最新文章

热门文章