pytorch积少成多

torch.nn.Softmax(-1)

X = torch.randn(3,2)
Y = nn.Softmax(dim = -1)(X)
print(X)
print('---')
print(Y)

tensor([[1.6717, 0.1819],
        [1.3746, 1.0038],
        [0.0052, 0.3082]])
---
tensor([[0.8161, 0.1839],
        [0.5917, 0.4083],
        [0.4248, 0.5752]])

可以看到通过dim可以对矩阵的某个维度求softmax，dim=-1表示最后一个维度，即对每一行求。

torch.cat()函数

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）

import torch
>>> A=torch.ones(2,3)    #2x3的张量（矩阵）                                     
>>> A
tensor([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.]])
>>> B=2*torch.ones(4,3)  #4x3的张量（矩阵）                                    
>>> B
tensor([[ 2.,  2.,  2.],
        [ 2.,  2.,  2.],
        [ 2.,  2.,  2.],
        [ 2.,  2.,  2