pytorch中矩阵拼接操作(torch.cat)

基本使用

# 拼接a,b,c的维度1
torch.cat([a,b,c],dim=1)

举例

#假设 abc均为3*2*2
a:tensor([[[1., 1.],
         [1., 1.]],
        [[1., 1.],
         [1., 1.]],
        [[1., 1.],
         [1., 1.]]])
b:tensor([[[0., 0.],
         [0., 0.]],
        [[0., 0.],
         [0., 0.]],
        [[0., 0.],
         [0., 0.]]])
c:tensor([[[2., 2.],
         [2., 2.]],
        [[2., 2.],
         [2., 2.]],
        [[2., 2.],
         [2., 2.]]])



print(torch.cat([a,b,c],dim=0)
#结果 ：9*2*2
tensor([[[1., 1.],
         [1., 1.]],
        [[1., 1.],
         [1., 1.]],
        [[1., 1.],
         [1., 1.]],
        [[0., 0.],
         [0., 0.]],
        [[0., 0.],
         [0., 0.]],
        [[0., 0.],
         [0., 0.]],
        [[2., 2.],
         [2., 2.]],
        [[2., 2.],
         [2., 2.]],
        [[2., 2.],
         [2., 2.]]])
  
print(torch.cat([a,b,c],dim=1)     
 #结果 ：3*6*2
 tensor([[[1., 1.],
         [1., 1.],
         [0., 0.],
         [0., 0.],
         [2., 2.],
         [2., 2.]],
        [[1., 1.],
         [1., 1.],
         [0., 0.],
         [0., 0.],
         [2., 2.],
         [2., 2.]],
        [[1., 1.],
         [1., 1.],
         [0., 0.],
         [0., 0.],
         [2., 2.],
         [2., 2.]]])
 
 print(torch.cat([a,b,c],dim=2)     
 #结果 ：3*2*6
 tensor([[[1., 1., 0., 0., 2., 2.],
         [1., 1., 0., 0., 2., 2.]],
        [[1., 1., 0., 0., 2., 2.],
         [1., 1., 0., 0., 2., 2.]],
        [[1., 1., 0., 0., 2., 2.],
         [1., 1., 0., 0., 2., 2.]]])

应用

• GoogLeNet中Inception结构将四个并行的branch结果的通道合并：

第一个维度为batch，第二个为channel，后面为宽和高
br1:Tensor:(64,64,28,28)
br2:Tensor:(64,128,28,28)
br3:Tensor:(64,32,28,28)
br4:Tensor:(64,32,28,28)

• 将四个branch结果通道合并：(只需合并第一维度channel)

torch.cat([br1, br2, br3, br4], 1)