torch.stack()和torch.cat()区别

>>> import torch
>>> T1=torch.randn([2,3])
>>> T2=torch.randn([2,3])

>>> T1
tensor([[-0.5566, -1.2475, -0.5865],
        [-2.3513,  0.4147, -1.0349]])
>>> T2
tensor([[-0.1764, -0.8736,  0.9022],
        [-1.1520, -0.1529, -0.1760]])


>>> Tcat=torch.cat([T1,T2],dim=0)
>>> Tcat
tensor([[-0.5566, -1.2475, -0.5865],
        [-2.3513,  0.4147, -1.0349],
        [-0.1764, -0.8736,  0.9022],
        [-1.1520, -0.1529, -0.1760]])
>>> Tcat.shape
torch.Size([4, 3])


>>> Tstack=torch.stack([T1,T2],dim=0)
>>> Tstack
tensor([[[-0.5566, -1.2475, -0.5865],
         [-2.3513,  0.4147, -1.0349]],

        [[-0.1764, -0.8736,  0.9022],
         [-1.1520, -0.1529, -0.1760]]])
>>> Tstack.shape
torch.Size([2, 2, 3])

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