由torch.cat()引发的维度问题

                                         *

由torch.cat()引发的维度问题

	说实话，我看了CSDN的好几篇这个问题的博客只说到二维的，但是我们搞图像的。处理数据起步都要三维了（RGB），另外网上一种言论的关于什么0代表行拼接，1代表列拼接，我就不做过多评价了，我先声明我是小菜鸡，但是总结的东西基本得到我师兄的认可的。你也可以再琢磨琢磨。
	进入正题：

1：torch.cat((x0,x1),dim)
语义解释一下，torch.cat是拼接数据的一个模块（不知道这么说对不对，反正是实现这个功能）。第一个部分就是（，）输入要拼接的数据，第二个部分就是输入要拼接的维度。
import torch
a0 = torch.Tensor([[[[1,1,1],[2,2,2]]]])
a1 = torch.Tensor([[[[3,3,3],[4,4,4]]]])
x = torch.cat((a0,a1),3).type(torch.FloatTensor)
#拼接对象是数据a0和数据a1，维度是三维的。
print(x)
2.数据维度是什么？
a0 = torch.Tensor([[[[1,1,1],[2,2,2]]]])
a1 = torch.Tensor([[[[3,3,3],[4,4,4]]]])
判断一个张量是几维的，看看它前面有几个方括号就可以了，这是最简便的方法了。数一数。本例子中a0就是一个4维的张量。
3.拼接维度是什么？
import torch
a0 = torch.Tensor([[[[1,1,1],[2,2,2]]]])
a1 = torch.Tensor([[[[3,3,3],[4,4,4]]]])
x = torch.cat((a0,a1),3).type(torch.FloatTensor)
我们再用cat实现拼接时就要填写后面的dim数值，这里的维度是怎么看的呢？
[[[1,1,1],[2,2,2]]]——————这个就是第0维（3个方括号，原数据是4维张量）
[[1,1,1],[2,2,2]]——————这个就是第1维（2个方括号，原数据是4维张量）
[1,1,1],[2,2,2]——————这个就是第2维（1个方括号，原数据是4维张量）
1,1,1,2,2,2———————这个就是第3维（0个方括号，原数据是4维张量）
他们分别的拼接结果如下：
0维：
tensor([[[[1., 1., 1.],
[2., 2., 2.]]],
[[[3., 3., 3.],
[4., 4., 4.]]]])
1维：
tensor([[[[1., 1., 1.],
[2., 2., 2.]],
[[3., 3., 3.],
[4., 4., 4.]]]])
2.维：
tensor([[[[1., 1., 1.],
[2., 2., 2.],
[3., 3., 3.],
[4., 4., 4.]]]])
3维：
tensor([[[[1., 1., 1., 3., 3., 3.],
[2., 2., 2., 4., 4., 4.]]]]
如果你还有不理解的可以给我留言。