Pytorch 中 tensor的维度拼接

torch.stack() 和 torch.cat() 都可以按照指定的维度进行拼接，但是两者也有区别，torch.satck() 是增加新的维度进行堆叠，即其维度拼接后会增加一个维度；而torch.cat() 是在原维度上进行堆叠，即其维度拼接后的维度个数和原来一致。具体说明如下：

torch.stack(input,dim)

input: 待拼接的张量序列组（list or tuple）,拼接的tensor的维度必须要相等，即tensor1.shape = tensor2.shape

dim: 在哪个新增的维度上进行拼接，不能超过拼接后的张量数据的维度大小,默认为 0

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
er-hljs
import torch 

x1 = torch.tensor([[1, 2, 3],
        		[4, 5, 6],
        		[7, 8, 9]])
x2 = torch.tensor([[10, 20, 30],
        		[40, 50, 60],
        		[70, 80, 90]])

print(torch.stack((x1,x2),dim=0).shape)
print(torch.stack((x1,x2),dim=1).shape)
print(torch.stack((x1,x2),dim=2).shape)

print(torch.stack((x1,x2),dim=0))
print(torch.stack((x1,x2),dim=1))
print(torch.stack((x1,x2),dim=2))

>> torch.Size([2, 3, 3])		# 2 表示是有两个tensor的拼接，且在第一个维度的位置拼接
>> torch.Size([3, 2, 3])
>> torch.Size([3, 3, 2])
>> tensor([[[ 1,  2,  3],
         [ 4,  5,  6],
         [ 7,  8,  9]],
         
        [[10, 20, 30],
         [40, 50, 60],
         [70, 80, 90]]])
>> tensor([[[ 1,  2,  3],
         [10, 20, 30]],

        [[ 4,  5,  6],
         [40, 50, 60]],

        [[ 7,  8,  9],
         [70, 80, 90]]])
>> tensor([[[ 1, 10],
         [ 2, 20],
         [ 3, 30]],

        [[ 4, 40],
         [ 5, 50],
         [ 6, 60]],

        [[ 7, 70],
         [ 8, 80],
         [ 9, 90]]])
折叠 

torch.cat(input, dim)

input: 待拼接的张量序列组（list or tuple）,拼接的tensor的维度必须要相等，即tensor1.shape = tensor2.shape

dim: 在哪个已存在的维度上进行拼接，不能超过拼接后的张量数据的维度大小（即原来的维度大小），默认为 0

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
er-hljs
import torch

x1 = torch.tensor([[1, 2, 3],
        		[4, 5, 6],
        		[7, 8, 9]])
x2 = torch.tensor([[10, 20, 30],
        		[40, 50, 60],
        		[70, 80, 90]])

print(torch.cat((x1,x2),dim=0).shape)
print(torch.cat((x1,x2),dim=1).shape)

print(torch.cat((x1,x2),dim=0))
print(torch.cat((x1,x2),dim=1))

>> torch.Size([6, 3])
>> torch.Size([3, 6])

>> tensor([[ 1,  2,  3],
        [ 4,  5,  6],
        [ 7,  8,  9],
        [10, 20, 30],
        [40, 50, 60],
        [70, 80, 90]])
>> tensor([[ 1,  2,  3, 10, 20, 30],
        [ 4,  5,  6, 40, 50, 60],
        [ 7,  8,  9, 70, 80, 90]])

折叠