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()

是为了把函数

torch.stack()

得到

tensor

进行拼接而存在的。

区别参考链接torch.stack()，但是本文主要说

cat()

。

前言

和

python

中的内置函数

cat()

， 在使用和目的上，是没有区别的。

1. cat()官方解释

—-

torch.cat(inputs, dim=0) → Tensor

函数目的： 在给定维度上对输入的张量序列seq 进行连接操作。

outputs = torch.cat(inputs, dim=0)  #  → Tensor

参数

inputs : 待连接的张量序列，可以是任意相同

Tensor

类型的python 序列
dim : 选择的扩维, 必须在

0

到

len(inputs[0])

之间，沿着此维连接张量序列。

2. 重点

输入数据必须是序列，序列中数据是任意相同的

shape

的同类型

tensor

维度不可以超过输入数据的任一个张量的维度

3.举例子

准备数据，每个的

shape

都是

[2,3]

# x1
x1 = torch.tensor([[11,21,31],[21,31,41]],dtype=torch.int)
x1.shape # torch.Size([2, 3])
# x2
x2 = torch.tensor([[12,22,32],[22,32,42]],dtype=torch.int)
x2.shape  # torch.Size([2, 3])

合成

inputs

'inputs为２个形状为[2 , 3]的矩阵 '
inputs = [x1, x2]print(inputs)
'打印查看'
[tensor([[11, 21, 31],
         [21, 31, 41]], dtype=torch.int32),
 tensor([[12, 22, 32],
         [22, 32, 42]], dtype=torch.int32)]

3.查看结果, 测试不同的

dim

拼接结果

In    [1]: torch.cat(inputs, dim=0).shape
Out[1]: torch.Size([4,  3])
In    [2]: torch.cat(inputs, dim=1).shape
Out[2]: torch.Size([2, 6])
In    [3]: torch.cat(inputs, dim=2).shape
IndexError: Dimension out of range (expected to be in range of [-2, 1], but got 2)
 1/2    1 2 下一页 尾页