torch.cat函数测试

cat将按照dim维拼接,即cat后的维度dim维是所有矩阵dim维的和,其余的维度不变,见例子:

x1 = torch.arange(1, 7).view([2, 3])
x2 = torch.arange(101, 107).view([2, 3])
x3 = torch.arange(201, 207).view([2, 3])

x4 = torch.cat((x1,x2,x3), dim=0)
print(x4.shape)
print(x4)
x4 = torch.cat((x1,x2,x3), dim=1)
print(x4.shape)
print(x4)

结果:

torch.Size([6, 3])
tensor([[  1,   2,   3],
        [  4,   5,   6],
        [101, 102, 103],
        [104, 105, 106],
        [201, 202, 203],
        [204, 205, 206]])
torch.Size([2, 9])
tensor([[  1,   2,   3, 101, 102, 103, 201, 202, 203],
        [  4,   5,   6, 104, 105, 106, 204, 205, 206]])
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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