pytorch中torch.stack（）函数总结

最新推荐文章于 2024-09-22 23:18:00 发布

RealWeakCoder

最新推荐文章于 2024-09-22 23:18:00 发布

阅读量2.5w

点赞数 46

分类专栏： pytorch 文章标签： python 深度学习机器学习人工智能强化学习

本文链接：https://blog.csdn.net/realcoder/article/details/105846408

版权

本文总结了PyTorch中torch.stack()函数的基本功能和规律分析。该函数用于在特定维度上连接多个张量，创建一个扩维的张量。详细介绍了当dim分别为0、1、2时的连接效果，并提出了对于n维张量按dim=x连接的递归规律猜想。

摘要由CSDN通过智能技术生成

一、基本功能

pytroch官方文档对于这个函数的描述很简略。只有一句话：在维度上连接（concatenate）若干个张量。(这些张量形状相同）。

经过代码总结归纳，可以得到stack（tensors,dim=0,out=None）函数的功能：
将若干个张量在dim维度上连接,生成一个扩维的张量，比如说原来你有若干个2维张量，连接可以得到一个3维的张量。

设待连接张量维度为n，dim取值范围为-n-1~n，这里得提一下为负的意义：-i为倒数第i个维度。举个例子，对于2维的待连接张量，-1维即3维，-2维即2维。

上代码：

a=torch.tensor([[1,2,3],[4,5,6]])
b=torch.tensor([[10,20,30],[40,50,60]])
c=torch.tensor([[100,200,300],[400,500,600]])
print(torch.stack([a,b,c],dim=0))
print(torch.stack([a,b,c],dim=1))
print(torch.stack([a,b,c],dim=2))
print(torch.stack([a,b,c],dim=0).size())
print(torch.stack([a,b,c],dim=1).size())
print(torch.stack([a,b,c],dim=2).size())
#输出结果为：
tensor([[[  1,   2,   3],
         [  4,   5,   6]],

        [[ 10,  20,  30],