torch.cat &torch.stack

1. torch.cat 在原来的维度上堆叠

1. cat是concatnate的意思：拼接，联系在一起。
2. cat 有两个参数
   C = torch.cat( (A,B),0 ) #按维数0拼接（竖着拼）
   C = torch.cat( (A,B),1 ) #按维数1拼接（横着拼）
   代码：

import torch
x = torch.arange(12,dtype=torch.float32).reshape((3,4))
print(x)
y = torch.tensor(([2.0,1,4,3],[1,2,3,4],[4,3,2,1]))
print(y)
torch.cat((x,y),dim=0),torch.cat((x,y),dim=1)

结果：

注意：
1 . torch.cat((x,y),dim=0) —> 竖着拼
2 . torch.cat((x,y),dim=1) —> 横着拼

2. torch.stack 在新的维度上堆叠

• 代码

import torch

a = torch.ones(3,4)
b = torch.zeros(3,4)

# 在第0维创建维度，将 a 和 b 进行堆叠
ab_stack_0 = torch.stack((a,b),dim=0)
ab_stack_1 = torch.stack((a,b),dim=1)

print(f"ab_stack_0={ab_stack_0}")
print(f"ab_stack_0.shape={ab_stack_0.shape}")
print(f"ab_stack_1={ab_stack_1}")
print(f"ab_stack_1.shape={ab_stack_1.shape}")

• 结果

ab_stack_0=tensor([[[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]],

        [[0., 0., 0., 0.],
         [0., 0., 0., 0.],
         [0., 0., 0., 0.]]])
ab_stack_0.shape=torch.Size([2, 3, 4])
ab_stack_1=tensor([[[1., 1., 1., 1.],
         [0., 0., 0., 0.]],

        [[1., 1., 1., 1.],
         [0., 0., 0., 0.]],

        [[1., 1., 1., 1.],
         [0., 0., 0., 0.]]])
ab_stack_1.shape=torch.Size([3, 2, 4])

3. 小结：

对于torch.cat来说，是在已有的维度上进行堆叠，而对于stack来说，会新创建一个维度进行堆叠