tensorflow随笔——concat(), stack(), unstack()

tf.concat用于将多个张量在某维度合并起来,类似于numpy.concatenate。第一个参数为待合并的多个张量列表,第二个参数需指定哪个维度上做合并。待合并的张量shape需要完全相同,并且产生的张量的阶数不会发生变化。

tf.stack(values, axis=0, name='stack')以指定的轴axis,将一个维度为R的张量数组转变成一个维度为R+1的张量。即会在新的张量阶上合并,张量的阶数也会增加。

参数values:一个具有相同形状与数据类型的张量数组。

参数axis:stack就是要将一组相同形状的张量提高一个维度,axis就是这些张量里,将axis指定的维度用所有这些张量数组代替。如axis=2,表示指定在第2个维度,原来的元素用整个张量数组里的元素代替,即(A,B,C)转变成(A,B,N,C)。

参数name:操作的名字。

tf.unstack(value, num=None, axis=0, name='unstack')以指定的轴axis,将一个维度为R的张量数组转变成一个维度为R-1的张量。即将一组张量以指定的轴,减少一个维度。

参数value:一个将要被降维的维度大于0的张量

参数num:指定的维度axis的长度。如果设置为None将自动取值

参数axis:unstack就是要将一个张量降低为低一个维度的张量。axis就是将指定的维度用所有这个张量里同维度的数据代替。

参数name:操作的名字

 

 

  • 5
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
torch.concat和torch.stack都是PyTorch库中的操作函数,用于在新的维度上叠加多个张量。 torch.concat的作用是将多个张量在指定维度上进行合并。例如,通过torch.concat((x, y, c), dim=0),可以将x、y和c三个张量按照维度0进行合并,生成一个新的张量。类似地,可以在维度1或维度2上进行合并。 torch.stack的作用是将多个张量在指定维度上进行叠加。例如,通过torch.stack((x, y, c), dim=0),可以将x、y和c三个张量按照维度0进行叠加,生成一个新的张量。类似地,可以在维度1或维度2上进行叠加。 需要注意的是,torch.stack会增加一个新的维度,而torch.concat不会增加新的维度,只是在指定维度上进行合并操作。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [对PyTorch torch.stack的实例讲解](https://download.csdn.net/download/weixin_38743054/13998894)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [PyTorch 深度学习-张量的stackconcat操作](https://blog.csdn.net/GUO_PP/article/details/130039589)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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