PyTorch的torch.cat

1. 字面理解：torch.cat是将两个张量（tensor）拼接在一起，cat是concatenate的意思，即拼接，联系在一起。

2. 例子理解

>>> import torch
>>> A=torch.ones(2,3) #2x3的张量（矩阵）                                     
>>> print('tensor-A',A)
tensor-A tensor([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]])
        
>>> B=2*torch.ones(4,3)#4x3的张量（矩阵）                                    
>>> print('tensor-B', B)

tensor-B tensor([[ 2.,  2.,  2.],
        [ 2.,  2.,  2.],
        [ 2.,  2.,  2.],
        [ 2.,  2.,  2.]])
        
>>> C=torch.cat((A,B),0)#按维数0（行）拼接
>>> print('tensor-C',C)

tensor-C tensor([[ 1.,  1.,  1.],
         [ 1.,  1.,  1.],
         [ 2.,  2.,  2.],
         [ 2.,  2.,  2.],
         [ 2.,  2.,  2.],
         [ 2.,  2.,  2.]])
>>> print(C.size())
torch.Size([6, 3])
>>> D=3*torch.ones(2,4) #2x4的张量（矩阵）
>>> E=torch.cat((A,D),1)#按维数1（列）拼接
>>> print('tensor-E',E)
tensor-E tensor([[ 1.,  1.,  1.,  3.,  3.,  3.,  3.],
                 [ 1.,  1.,  1.,  3.,  3.,  3.,  3.]])
>>> print(E.size())
torch.Size([2, 7])

上面给出了两个张量A和B，分别是2行3列，4行3列。即他们都是2维张量。因为只有两维，这样在用torch.cat拼接的时候就有两种拼接方式：按行拼接和按列拼接。即所谓的维数0和维数1.

C=torch.cat((A,B),0)就表示按维数0（行）拼接A和B，也就是竖着拼接，A上B下。此时需要注意：列数必须一致，即维数1数值要相同，这里都是3列，方能列对齐。拼接后的C的第0维是两个维数0数值和，即2+4=6.

E=torch.cat((A,D),1)就表示按维数1（列）拼接A和D，也就是横着拼接，A左D右。此时需要注意：行数必须一致，即维数0数值要相同，这里都是2行，方能行对齐。拼接后的C的第1维是两个维数1数值和，即3+4=7.

从2维例子可以看出，使用torch.cat((A,B),dim)时，除拼接维数dim数值可不同外其余维数数值需相同，方能对齐。
3.实例

在深度学习处理图像时，常用的有3通道的RGB彩色图像及单通道的灰度图。张量size为cxhxw,即通道数x图像高度x图像宽度。在用torch.cat拼接两张图像时一般要求图像大小一致而通道数可不一致，即h和w同，c可不同。当然实际有3种拼接方式，另两种好像不常见。比如经典网络结构：U-Net

里面用到4次torch.cat,其中copy and crop操作就是通过torch.cat来实现的。可以看到通过上采样（up-conv 2x2）将原始图像h和w变为原来2倍，再和左边直接copy过来的同样h,w的图像拼接。这样做，可以有效利用原始结构信息。

4.总结

使用torch.cat((A,B),dim)时，除拼接维数dim数值可不同外其余维数数值需相同，方能对齐。