torch.cat()使用

百度一下发现   网上给的列子 也太low了=  =

自己写了个  省得忘了

batch_size=3
x = torch.randn(batch_size).unsqueeze(1)
result_0=torch.cat([x**i for i in range(1,4)],0)
result_1=torch.cat([x**i for i in range(1,4)],1)
print(result_0.size())
print(result_1.size())

结果为:

torch.Size([9, 1])
torch.Size([3, 3])

也可以把 .size() 去掉看结果 就懂了

print(result_0)

print(result_1)

大概意思就是  0 的时候   类似这样 一个一个的:

tensor([[-0.8996],
        [-0.7313],
        [ 1.3803],
        [ 0.8093],
        [ 0.5348],
        [ 1.9053],
        [-0.7280],
        [-0.3911],
        [ 2.6299]])
 

1的时候  :

tensor([[-0.8996,  0.8093, -0.7280],
        [-0.7313,  0.5348, -0.3911],
        [ 1.3803,  1.9053,  2.6299]])

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值