【学习笔记-语法】 -shape[0]、shape[1]、shape[2]的区别，以及pytorch中的torch.cat()矩阵拼接的用法及理解

一、 -shape[0]、shape[1]、shape[2]的区别

对于图像来说：

    img.shape[0]：图像的垂直尺寸（高度）

    img.shape[1]：图像的水平尺寸（宽度）

    img.shape[2]：图像的通道数

1.1 代码解释

代码如下：

import matplotlib.image as mpimg  # mpimg 用于读取图片
 
if __name__ == '__main__':
    img = mpimg.imread('cat.jpg')  # 读取和代码处于同一目录下的 img.png
    # 此时 img 就已经是一个 np.array 了，可以对它进行任意处理
    print(img.shape)  # (512, 512, 3)
    print(img.shape[0])
    print(img.shape[1])
    print(img.shape[2])

运行结果如下：

(300, 534, 3)
300
534
3

由此证明，上述结果是没有问题的。

而对于矩阵来说：

    shape[0]：表示矩阵的行数

    shape[1]：表示矩阵的列数

1.2 举例如下：

  import numpy as np
 
if __name__ == '__main__':
    w = np.array([[1, 2, 3], [4, 5, 6]])  # 2X3的矩阵
    print(w.shape)
    print(w.shape[0])
    print(w.shape[1])

运行结果如下：

(2, 3)
2
3

1.3 另：

hape[0]、shape[1]、shape[2]分别表示是输入张量的第一、第二、第三维度

二、pytorch中的torch.cat()矩阵拼接的用法及理解

https://blog.csdn.net/flyingluohaipeng/article/details/125038212?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522167731387416782429718630%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=167731387416782429718630&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_alltop_click~default-1-125038212-null-null.142^v73control,201^v4add_ask,239^v2insert_chatgpt&utm_term=torch.cat%EF%BC%88%EF%BC%89&spm=1018.2226.3001.4187

2.1 序言

深度学习模型里的输出的东西。torch.cat()的用处还是蛮大的。
下面直接举例子理解。

2.2 一维拼接

import torch

a = torch.Tensor([1, 2, 3])
b = a * 2
c = torch.cat((a, b), dim=0)  # dim=-1为取最后一维。这里只有一维-1和0是一样的
print(a.shape)
print(c.shape)
print(c)

2.3 二维拼接

dim就是选择哪一维进行拼接，dim=-1就表示最后一维进行拼接，这个也很好理解，索引-1一般都指最后一个字符

a = torch.Tensor([[1, 2]])
b = a * 2
c1 = torch.cat((a, b), dim=0)
c2 = torch.cat((a, b), dim=1)  # 这里第二维是最后一维，dim=-1和dim=1是一样的
print("a:", a)
print("a.shape:", a.shape)
print("c1:", c1)
print("c1.shape:", c1.shape)
print("c2:", c2)
print("c2.shape:", c2.shape)

当你使用pytorch深度学习模型时，隐藏层不止一层，最好将所有的隐藏层都利用起来，那么就需要进行隐藏层的拼接了。

假设隐藏层h_n.shape为（2，3，4）表示有2个隐藏层，batch_size为3（3个样本一起训练），隐藏层大小为4。由于隐藏层都包含了一定的信息，那么我们都利用起来应该效果比较好（听学长说很多论文都证明过了），那么每个样本对应的隐藏层应该都拼接起来用即2*4的大小。这样就需要用到拼接了。

h_n = torch.randn(2, 3, 4)  # 假设隐藏层
# 下面三种写法是一个意思
feature_map = torch.cat([h_n[i] for i in range(h_n.shape[0])], dim=-1)  # 索引第i个整元素，元素里剩下的维度缺省是全取的意思
feature_map1 = torch.cat([h_n[i, :, :] for i in range(h_n.shape[0])], dim=-1)
feature_map2 = torch.cat([h_n[i] for i in range(h_n.shape[0])], dim=1)
print(feature_map.shape)
print(feature_map1.shape)
print(feature_map2.shape)

隐藏层拼接完之后就可以放进全连接层然后出结果了。

由于LSTM的现在时刻的输出是前一个时刻的隐藏层和现在时刻的输入经过softmax得到的，而现在时刻的隐藏层是 现在时刻的输出*tanh(现在时刻的细胞状态)得到的，现在时刻的隐藏层也是包含了现在输入的信息的，因此直接放入全连接然后出结果就好了，至于模型的输出可以不用，直接用隐藏层也是可以的吧。或者说隐藏层就相当于包含着各自特征信息，输出层也是基于隐藏层来的，因此我们深度学习模型里直接用隐藏层就是在直接用那些特征吧（强行理解一波）

用模型的输出或者模型隐藏层应该都是可以得出结果的，目前对我来说，效果应该都差不多。