torch.stack()函数作用解析

官网解释链接： torch.stack — PyTorch 1.12 documentation

torch.stack(tensors, dim=0, *, out=None)

沿新维度连接一系列张量；

所有张量都需要具有相同的大小；

浅显说法：把多个2维的张量凑成一个3维的张量；多个3维的凑成一个4维的张量…以此类推，也就是在增加新的维度进行堆叠。

参数解释：

        tensors（张量序列）-- 要连接的张量序列；（list, tuple）

        dim (int) -- 要插入的尺寸。必须介于 0 和连接张量的维数之间（包括）；必须在0到len(tensors)之间

关键字参数：

        out (Tensor, 可选择的) -- 输出张量。

例子：

# 假设是时间步T1的输出
T1 = torch.tensor([[1, 2, 3],
        		[4, 5, 6],
        		[7, 8, 9]])
# 假设是时间步T2的输出
T2 = torch.tensor([[10, 20, 30],
        		[40, 50, 60],
        		[70, 80, 90]])

print(torch.stack((T1,T2),dim=0).shape)
print(torch.stack((T1,T2),dim=1).shape)
print(torch.stack((T1,T2),dim=2).shape)
print(torch.stack((T1,T2),dim=3).shape)
# outputs:
torch.Size([2, 3, 3])
torch.Size([3, 2, 3])
torch.Size([3, 3, 2])
'选择的dim>len(tensors)，所以报错'
IndexError: Dimension out of range (expected to be in range of [-3, 2], but got 3)

该函数就是为序列数据扩维，由程序员指定维度；

通常为了保留–[序列(先后)信息] 和 [张量的矩阵信息] 才会使用stack()

参考：torch.stack()的官方解释，详解以及例子_模糊包的博客-CSDN博客_torch.stack()

还有一个很清晰的例子，将输出情况展示出来了，请看博客：看完秒懂torch.stack()_不堪沉沦的博客-CSDN博客_torch.stack()