【Pytorch】cat() 与 stack() 的区别

cat()：

torch.cat(tensors, dim=0, *, out=None) → Tensor
连接给定维度中给定的张量序列seq。所有张量必须具有相同的形状（连接维度除外）或为空。
torch.cat()可以看作torch.split() 和 torch.chunk() 的逆运算。

参数：

• tensors (sequence of Tensors) – 除了要进行cat的维度外，其余维度要和待拼接的tensor保持一致。
• dim (int, optional) – 连接张量的维度。

例子：

>>> x = torch.randn(2, 3)
>>> x
tensor([[ 0.6580, -1.0969, -0.4614],
        [-0.1034, -0.5790,  0.1497]])
>>> torch.cat((x, x, x), 0)
tensor([[ 0.6580, -1.0969, -0.4614],
        [-0.1034, -0.5790,  0.1497],
        [ 0.6580, -1.0969, -0.4614],
        [-0.1034, -0.5790,  0.1497],
        [ 0.6580, -1.0969, -0.4614],
        [-0.1034, -0.5790,  0.1497]])
>>> torch.cat((x, x, x), 1)
tensor([[ 0.6580, -1.0969, -0.4614,  0.6580, -1.0969, -0.4614,  0.6580,
         -1.0969, -0.4614],
        [-0.1034, -0.5790,  0.1497, -0.1034, -0.5790,  0.1497, -0.1034,
         -0.5790,  0.1497]])

---

stack()：

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

如对两个 (1, 2) 维的 tensor 在第 0 个维度上 stack，则会变为 (2, 1, 2) 的 tensor；在第 1 个维度上 stack，则会变为 (1, 2, 2) 的 tensor。

参数：

• tensors (sequence of Tensors) – 要连接的tensor
• dim (int, optional) – 进行连接的维度。

例子：

>>> x = torch.randn(2, 3)
>>> x
tensor([[ 1.4481,  0.9733, -0.2550],
        [-1.1247,  0.2517,  0.3983]])
>>> torch.stack((x,x),0)
tensor([[[ 1.4481,  0.9733, -0.2550],
         [-1.1247,  0.2517,  0.3983]],

        [[ 1.4481,  0.9733, -0.2550],
         [-1.1247,  0.2517,  0.3983]]])
>>> torch.stack((x,x),1)
tensor([[[ 1.4481,  0.9733, -0.2550],
         [ 1.4481,  0.9733, -0.2550]],

        [[-1.1247,  0.2517,  0.3983],
         [-1.1247,  0.2517,  0.3983]]])

---

区别

torch.cat的使用方法，两个tensor除了要进行cat的维度外,其余维度必须一致，最终生成的tesnor的维度也没有变化。
从上边两个例子，可以看出对于torch.stack来说，会先将原始数据维度扩展一维，然后再按照维度进行拼接，具体拼接操作同torch.cat类似。