【torch.cat】拼接函数详解

一维的拼接

x = torch.arange(1,5)
# tensor[1,2,3,4]
y = torch.arange(5,10)
# tensor[5,6,7,8,9]

torch.cat((x,y),dim=0)
# 这里的dim=0  不能等于1，和torch.stack 要区分
# x y的维度不同  但是也可以进行拼接  但是

# tensor[1,2,3,4,5,6,7,8,9]

二维的拼接

x =  torch.range(1,6).view(2,3)
#tensor([[1., 2., 3.],
#        [4., 5., 6.]])

y = torch.range(7,12).view(2,3)
#tensor([[ 7.,  8.,  9.],
#        [10., 11., 12.]])

# dim=0
torch.cat((x,y),dim=0)

#输出的结果如下：维度从【2，3】-》【4,3】
'''
tensor([[ 1.,  2.,  3.],
        [ 4.,  5.,  6.],
        [ 7.,  8.,  9.],
        [10., 11., 12.]])
     '''


# dim=1
torch.cat((x,y),dim=1)
# 输出的结果如下：维度由【2，3】-》【2，6】
'''
tensor([[ 1.,  2.,  3.,  7.,  8.,  9.],
        [ 4.,  5.,  6., 10., 11., 12.]])
'''

如果x 和y的维度不同时，也可以拼接。
x 维度【2,3】 y 维度【2，4】 只能在dim=1 进行拼接 。拼接之后的维度是 【2，7】
同理，x 维度【3，4】，y 维度 【5，4】 只能在dim=0 进行拼接。拼接之后的维度是 【7，4】
也就是必须有一个维度是相同的

三维的拼接

x = torch.range(1,24).view(2,3,4)

'''
tensor([[[ 1.,  2.,  3.,  4.],
         [ 5.,  6.,  7.,  8.],
         [ 9., 10., 11., 12.]],

        [[13., 14., 15., 16.],
         [17., 18., 19., 20.],
         [21., 22., 23., 24.]]])
     '''
y = torch.range(-24,-1).view(2,3,4)
'''
tensor([[[-24., -23., -22., -21.],
         [-20., -19., -18., -17.],
         [-16., -15., -14., -13.]],

        [[-12., -11., -10.,  -9.],
         [ -8.,  -7.,  -6.,  -5.],
         [ -4.,  -3.,  -2.,  -1.]]])
'''


torch.cat((x,y),dim=0)
# 维度从【2，3，4】-》【4，3，4】  可以看作是 从 第一个方括号开始拼接
'''
tensor([[[  1.,   2.,   3.,   4.],
         [  5.,   6.,   7.,   8.],
         [  9.,  10.,  11.,  12.]],

        [[ 13.,  14.,  15.,  16.],
         [ 17.,  18.,  19.,  20.],
         [ 21.,  22.,  23.,  24.]],

        [[-24., -23., -22., -21.],
         [-20., -19., -18., -17.],
         [-16., -15., -14., -13.]],

        [[-12., -11., -10.,  -9.],
         [ -8.,  -7.,  -6.,  -5.],
         [ -4.,  -3.,  -2.,  -1.]]])
'''
torch.cat((x,y),dim=1)
# 维度从【2，3，4】-》【2，6，4】  可以看作是 从 第二个方括号开始拼接
'''
tensor([[[  1.,   2.,   3.,   4.],
         [  5.,   6.,   7.,   8.],
         [  9.,  10.,  11.,  12.],
         [-24., -23., -22., -21.],
         [-20., -19., -18., -17.],
         [-16., -15., -14., -13.]],

        [[ 13.,  14.,  15.,  16.],
         [ 17.,  18.,  19.,  20.],
         [ 21.,  22.,  23.,  24.],
         [-12., -11., -10.,  -9.],
         [ -8.,  -7.,  -6.,  -5.],
         [ -4.,  -3.,  -2.,  -1.]]])
    '''
    
torch.cat((x,y),dim=3)
# 维度从【2，3，4】-》【2，3，6】  可以看作是 从 第三个方括号开始拼接

'''
tensor([[[  1.,   2.,   3.,   4., -24., -23., -22., -21.],
         [  5.,   6.,   7.,   8., -20., -19., -18., -17.],
         [  9.,  10.,  11.,  12., -16., -15., -14., -13.]],

        [[ 13.,  14.,  15.,  16., -12., -11., -10.,  -9.],
         [ 17.,  18.,  19.,  20.,  -8.,  -7.,  -6.,  -5.],
         [ 21.,  22.,  23.,  24.,  -4.,  -3.,  -2.,  -1.]]])
      '''

如果三维的两个tensor维度不同时，是否可以进行拼接操作，如果可以拼接，又该如何拼接呢？

如果x 的维度是 【2，3，4】，x不发生改变

y 是  【4，2，3】完全不同时  无法   进行拼接操作。
y  是 【4，3，2】时也  无法  在任何维度进行拼接
但是在 y 是 【2，3，6】 时可以在dim=2进行拼接，拼接之后【2，3，10】
		y 是 【2，6，4】 时可以在dim=1进行拼接 ，拼接之后【2，9，4】
		y 是  【4，3，4】时可以在dim=0进行拼接，拼接之后【6，3，4】

综合以上情况，可以得出，如果两个tensor的形状不同时 ，只有其中的两个维度是相同的情况时，才可以进行拼接操作。

四维拼接

在目标检测任务实现过程中，最常见的时四维的拼接，包括位置编码x y 的拼接、特征图拼接等等。
基于上面的分析，下面的两个四维tensor ，可以当作一个小练习，然后进行实验验证。为了更清楚的显示，只放截图。

x = torch.range(1,120).view(2,3,4,5)
y = torch.range(-120,-1).view(2,3,4,5)
torch.cat((x,y),dim=0)
# 修改dim的值  即可得到最终的结果
# dim=0   -》（4，3，4，5）  也就是在第一个方括号后头进行拼接

# dim=1   -》（2，6，4，5）  第二个方括号后面

# dim=2   -》（2，3，8，5）  第三个方括号后面

# dim=3   -》（2，3，4，10）  第四个方括号后面