torch.cat 和torch.stack的区别

cat：先看官方解释

下面看例子：

a = torch.arange(6).reshape(2,3)
print('a\n', a)
b = torch.arange(6,12).reshape(2, 3)
print('b\n', b)
c = torch.arange(12, 16).reshape(2,-1)
print('c\n', c)

torch.cat((a, b), 0)  # 在第0维上进行连接 也是默认的

torch.cat((a, b))   # 在第0维上进行连接 也是默认的

torch.cat((a, b), 1)  # 在第1维上进行连接

torch.cat((a, c), 1)  # 只能在第1维上进行连接 这就是那个except的内容，必须指定维度

torch.cat((a, c), 0)  

在第0维上进行连接因为c的第0维只有2个而a的有三个所以连接不了（不能自动填充）

stack

stack_a_b = torch.stack((a,b)) # 默认新添加一个新的维度
stack_a_b_0 = torch.stack((a,b), 0)
print('stack_a_b\n', stack_a_b)
print('stack_a_b.shape\n', stack_a_b.shape)
print('stack_a_b_0\n', stack_a_b_0)
print('stack_a_b_0.shape\n', stack_a_b_0.shape)

stack_a_b_1 = torch.stack((a,b), 1) # 在第1维上插入数据，
# 注意插入的格式 即a的第一行和b的第一行组成一个新的
#               a的第二行和b的第二行组成另一个新的 
print('stack_a_b_1\n', stack_a_b_1)
print('stack_a_b_1.shape\n', stack_a_b_1.shape)

stack_a_b_1 = torch.stack((a,b), 2) # 在第2维上插入数据，注意插入的格式
print('stack_a_b_1\n', stack_a_b_1)
print('stack_a_b_1.shape\n', stack_a_b_1.shape)