torch.cat 多维数组的加法add/连接cat理解及实践记录

图像处理中的涉及多维数组/向量计算，简化实践记录加法计算，add(+) 和 cat 两种方式。 

简单案例叙述：

• 仿照图像H*W*C，3×3×3张量（tensor）A和B。
• C表示A和B的cat
• D表示A和B的add

解说记录版：

import torch
######################################
print("__________A_____________") 
A=torch.ones(3,3,3) 
print(A)      
print(A.shape) 
######################################
⚪3x3x3的张量（全1矩阵） 
__________A_____________
tensor([[[1., 1., 1.],
         [1., 1., 1.],
         [1., 1., 1.]],

        [[1., 1., 1.],
         [1., 1., 1.],
         [1., 1., 1.]],

        [[1., 1., 1.],
         [1., 1., 1.],
         [1., 1., 1.]]])
torch.Size([3, 3, 3])
######################################
######################################
print("__________B_____________")                              
B=2*torch.ones(3,3,3)#3x3x3的张量（矩阵）        
print(B)                            
print(B.shape) 
######################################
⚪3x3x3的张量（全2矩阵） 
__________B_____________
tensor([[[2., 2., 2.],
         [2., 2., 2.],
         [2., 2., 2.]],

        [[2., 2., 2.],
         [2., 2., 2.],
         [2., 2., 2.]],

        [[2., 2., 2.],
         [2., 2., 2.],
         [2., 2., 2.]]])
torch.Size([3, 3, 3])
######################################
print("__________C_____________") 
C=torch.cat((A[:,:1,:],B[:,:1,:]),1) 
print(C)
print(C.shape) 
######################################
⚪[:,:1,:]：第1维全取，第2维取第0个，第3维全取
⚪维数0：按行拼接
⚪维数1：按列拼接
⚪观察到C是3×2×3
⚪第1维和第3维保持不变，
⚪第2维是A和B的对应按列拼接。 
__________C_____________
tensor([[[1., 1., 1.],
         [2., 2., 2.]],

        [[1., 1., 1.],
         [2., 2., 2.]],

        [[1., 1., 1.],
         [2., 2., 2.]]])
torch.Size([3, 2, 3])
######################################
print("__________D_____________") 
D = A[:,:1,:] + B[:,:1,:]
print(D)
print(D.shape) 
######################################
⚪[:,:1,:]：第1维全取，第2维取第0个，第3维全取
⚪观察到C是3×1×3
⚪第1维和第3维保持不变，
⚪第2维是A和B的对应数值相加得到3。 
__________D_____________
tensor([[[3., 3., 3.]],

        [[3., 3., 3.]],

        [[3., 3., 3.]]])
torch.Size([3, 1, 3])
######################################

 自行实践/修改，观察变化：

import torch

print("__________A_____________") 
A=torch.ones(3,3,3) #3x3x3的张量（矩阵） 
print(A)      
print(A.shape) 

print("__________B_____________")                              
B=2*torch.ones(3,3,3)#3x3x3的张量（矩阵）        
print(B)                            
print(B.shape) 

print("__________C_____________") 
C=torch.cat((A[:,:1,:],B[:,:1,:]),1) 
print(C)
print(C.shape) 

print("__________D_____________") 
D = A[:,:1,:] + B[:,:1,:]
print(D)
print(D.shape) 

细节及注意事项： PyTorch的torch.cat

• C=torch.cat((A,B),0)就表示按维数0（行）拼接A和B，也就是竖着拼接，A上B下。
  • 注意：列数必须一致，即维数1数值要相同。
• C=torch.cat((A,B),1)就表示按维数1（列）拼接A和B，也就是横着拼接，A左B右。
  • 注意：行数必须一致，即维数0数值要相同。