卷积图像融合的关键操作《pytorch学习篇》

最新推荐文章于 2024-03-21 22:11:29 发布

桀骜不驯的山里男人

最新推荐文章于 2024-03-21 22:11:29 发布

阅读量1.1k

点赞数 3

分类专栏： pytorch冒险之旅文章标签： pytorch 深度学习神经网络

本文链接：https://blog.csdn.net/m0_56654441/article/details/120853378

版权

pytorch冒险之旅专栏收录该内容

20 篇文章 5 订阅

订阅专栏

引言：在很多的深度学习网络都需要用到特征融合，尤其是残差网络，典型的融合结构，但是如何实现呢？不着急，torch给我们提供了丰富的函数库，下面我们一起来看看吧！！！。

1.torch.cat()函数

此函数主要用于将两个或者多个维度相同的数组进行有机融合。

例如：
import torch


data1=torch.tensor([1,2,5,6])
data2=torch.tensor([2,5,9,3])
data=torch.cat((data1,data2),0)
print(data)
output:

tensor([1, 2, 5, 6, 2, 5, 9, 3])
tensor([1, 2, 5, 6, 2, 5, 9, 3])

解释：原因在于data1，data2都是一维数据，所以只有一个维度，所以只能在一维度上进行融合（连接）。（二维张量数据同理，只能在两个维度上融合）

2.torch.stack（）函数

例子：
import torch


data1=torch.tensor([1,2,5,6])
data2=torch.tensor([2,5,9,3])
data=torch.stack((data1,data2),0)
print(data)
data3=torch.stack((data1,data2),-1)
print(data3)
output：

tensor([[1, 2, 5, 6],
[2, 5, 9, 3]])
tensor([[1, 2],
[2, 5],
[5, 9],
[6, 3]])

解释：为什么呢？这是因为torch.stack函数类似于这篇文章所讲的一样，他是扩张一个维度，然后放入。（n维数据可以在n+1个维度上堆叠）

3.总结：

两个1*5的张量数据

使用torch.cat()函数：1*10的张量 ;tensor([1,10])

使用torch.stack（）函数：2*1*5 / 5*1*2 ; 的张量tensor([2,5]) ， tensor([5,2])

#

4.重要的是=结束。

GAME OVER

如果理解错误，欢迎大家批评，及时纠正小琼的错误哦，真心感谢你的纠正！！！

如果小伙伴梦有疑问欢迎在评论区留言哦！！！

如果感觉不错的话！点个赞呗，不用客气！（O(∩_∩)O哈哈~）

欢迎和小伙伴梦一起学习，共同努力，加油！！！

转载链接：
https://blog.csdn.net/m0_56654441/article/details/120853378