torch.cat 与 torch.concat函数与torch.stack函数

world=hello

已于 2024-11-09 18:55:13 修改

阅读量7k

点赞数 9

分类专栏：函数砂锅文章标签： pytorch python

于 2024-06-07 21:20:41 首次发布

本文链接：https://blog.csdn.net/qq_43701910/article/details/139535071

版权

函数砂锅专栏收录该内容

23 篇文章

订阅专栏

文章目录

cat和concat的区别
torch.cat介绍
torch.stack介绍
- torch.cat() 与 torch.stack() 区别：

cat和concat的区别

先说结论：没有区别在功能、用法以及作用上，concat函数就是cat函数的别名（官方就是这样说的）。下面截图为证：在这里插入图片描述
因此接下来就主要是介绍 torch.cat 函数的功能和用法。

torch.cat介绍

参考🔗：link

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

作用

将给定序列的张量在给定维度上连接起来。所有张量必须具有相同的形状（除了连接维度之外），或者是一个尺寸为（0，）的一维空张量。
Concatenates the given sequence of seq tensors in the given dimension. All tensors must either have the same shape (except in the concatenating dimension) or be a 1-D empty tensor with size (0,)

参数

第一个参数 tensors ：除了要连接的维度外，其他维度的形状都要相同的张量。tensors: Tuple[Tensor, …] | List[Tensor]。写法可以是（x, x, x）or [x, x, x]。
第二个参数 dim：（int, optiona）指定的连接的维度,可选，默认就是 dim=0，表示水平方向上拼接，即行拼接。这个参数可以是整数，负数，0，以及没有。
其他参数不用管。

使用实例

import torch
x = torch.randn(2, 3)
x
# 输出
tensor([[ 1.3524,  0.7867, -0.1423],
        [ 1.1235,  0.0221, -0.5478]])

dim=0 表示水平方向的拼接，也就说从shape(2, 3) -> shape(6, 3)：

y = torch.cat([x, x, x], dim=0)
y
# 输出
tensor([[ 1.3524,  0.7867, -0.1423],
        [ 1.1235,  0.0221, -0.5478],
        [ 1.3524,  0.7867, -0.1423],
        [ 1.1235,  0.0221, -0.5478],
        [ 1.3524,  0.7867, -0.1423],
        [ 1.1235,  0.0221, -0.5478]])

dim=1表示：

z = torch.cat((x, x, x), dim=1)
z
# 输出
tensor([[ 1.3524,  0.7867, -0.1423,  1.3524,  0.7867, -0.1423,  1.3524,  0.7867, -0.1423],
        [ 1.1235,  0.0221, -0.5478,  1.1235,  0.0221, -0.5478,  1.1235,  0.0221, -0.5478]])

重点关注一下， dim=-1：

xy = torch.cat((x, x, x), dim=-1)
xy
# 输出
tensor([[ 1.3524,  0.7867, -0.1423,  1.3524,  0.7867, -0.1423,  1.3524,  0.7867, -0.1423],
        [ 1.1235,  0.0221, -0.5478,  1.1235,  0.0221, -0.5478,  1.1235,  0.0221, -0.5478]])

没错 dim=-1的结果和dim=1的结果是一致的，但是我要说一下dim=-1表示的是最后一个维度，所以对于我举的这个例子只有两个维度而言，dim=-1和dim=1是等效的。

关于参数dim为None的使用

当时我的第一反应是那我直接就不写这个参数不就得了嘛所以我尝试了下面的代码，也确实发现和dim=0的效果是一致的。

yy = torch.cat([x, x, x])
yy

但是我在查找的时候遇到有文章是将None赋值给参数dim，所以我尝试后出现了问题如下：在这里插入图片描述
文章链接🔗：link。于是我复制文章的代码运行，发现依旧报错。（无语误导人）

在这里插入图片描述
下面图片是查找的文章的说法：

而我问了chatgpt的回答：

在这里插入图片描述

torch.stack介绍

该函数的作用和cat函数一样，但是不同的是，该函数拼接的时候会额外的增加一个维度。
使用的场景：如果我们现在有一个列表，里面有许多的tensor，假设是10个，并且他们的shape相同，比如都是[4, 64, 64]。好，那我们想要把这个列表转换为一个有batchsize的tensor的话，通过使用torch.stack(list， dim=0)可以将列表中的元素进行堆叠，得到的tensor的shape是[10, 4, 64, 64].