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
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]]])
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
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]])
Original: https://www.cnblogs.com/jack-nie-23/p/16479560.html
Author: jacknie23
Title: Pytorch 中 tensor的维度拼接
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/582392/
转载文章受原作者版权保护。转载请注明原作者出处！