pytorch: Tensor.new_zeros使用场景，type_as函数， torch.stack()使用方法

1. Tensor.new_zeros(size, dtype=None, device=None, requires_grad=False) → Tensor

创建一个tensor基于另一个tensor，目的是什么呢？
答：创建与原tensor 相同类型，相同device的tensor.

Tensor.new_zeros(size, dtype=None, device=None, requires_grad=False) → Tensor
Returns a Tensor of size size filled with 0. 
By default, the returned Tensor has the same torch.dtype and torch.device as this tensor.
1
2
3

12 type_as函数

torch.Tensor的类型转换函数.

def type_as(self, tensor): # real signature unknown; restored from __doc__
    """
    type_as(tensor) -> Tensor
    
    Returns this tensor cast to the type of the given tensor.
    
    This is a no-op if the tensor is already of the correct type. This is
    equivalent to ``self.type(tensor.type())``
    
    Args:
        tensor (Tensor): the tensor which has the desired type
    """
    return _te.Tensor(*(), **{})
1
2
3
4
5
6
7
8
9
10
11
12
13

一般情况下常常使用tensor后调用的方法：

比如 .double()
.float()
.byte()
.int()
等

3. torch.stack()

torch.cat() 函数连接两个tensor, 沿着设定的维度增加尺寸。 参考 文章

torch.stack() 沿着一个新维度对输入张量序列进行连接。 序列中所有的张量都应该为相同形状。
浅显说法：把多个2维的张量凑成一个3维的张量；多个3维的凑成一个4维的张量…以此类推，也就是在增加新的维度进行堆叠。

# 假设是时间步T1的输出
T1 = torch.tensor([[1, 2, 3],
          [4, 5, 6],
          [7, 8, 9]])
# 假设是时间步T2的输出
T2 = torch.tensor([[10, 20, 30],
          [40, 50, 60],
          [70, 80, 90]])

print(torch.stack((T1,T2),dim=0).shape)
print(torch.stack((T1,T2),dim=1).shape)
print(torch.stack((T1,T2),dim=2).shape)
print(torch.stack((T1,T2),dim=3).shape)
# outputs:
torch.Size([2, 3, 3])
torch.Size([3, 2, 3])
torch.Size([3, 3, 2])
'选择的dim>len(outputs)，所以报错'
IndexError: Dimension out of range (expected to be in range of [-3, 2], but got 3)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

比如一种使用方法，增加一个维度时一个列表的tensor连接在一起

dir = Path('/home/ww/dataset/REDS/val_sharp_bicubic/X4/012/')
frames = [read_image(os.path.join(dir, f'{i:08d}.png')) for i in range(10)]

input = torch.stack(frames)
1
2
3
4

每个图像是 3 * h * w
stack后 是 10 * 3 * h * w

[1]https://blog.csdn.net/xinjieyuan/article/details/105205326