【归纳总结】张量/数组的拼接、扩维拼接和扩维

1. 张量的拼接、扩维拼接和扩维

1.1 torch.cat

在 PyTorch 中，可以使用 torch.cat 函数来进行数组拼接操作。torch.cat 可以将两个或多个张量（tensor）拼接在一起，可以指定拼接的维度。例如，假设我们有两个大小为 (3, 4) 和 (3, 5) 的张量，我们可以在第二个维度上拼接它们，代码如下：

import torch

a = torch.randn(3, 4)
b = torch.randn(3, 5)

c = torch.cat([a, b], dim=1)
print(c.shape)

输出结果为：

torch.Size([3, 9])

1.2 torch.stack

torch.stack 函数可以将多个张量沿着新创建的维度进行拼接，例如：

import torch

a = torch.randn(3, 4)
b = torch.randn(3, 4)

c = torch.stack([a, b], dim=0)
print(c.shape)

输出结果为：

torch.Size([2, 3, 4])

1.3 torch.unsqueeze

如果要将一个张量扩展一个新的维度，可以使用 torch.unsqueeze 函数，例如：

import torch

a = torch.randn(3, 4)

b = torch.unsqueeze(a, dim=0)
print(b.shape)

输出结果为：

torch.Size([1, 3, 4])

2 数组的拼接、扩维拼接和扩维

2.1 np.concatenate

在 NumPy 中，可以使用 np.concatenate 函数来进行数组拼接操作。np.concatenate 可以将两个或多个数组拼接在一起，可以指定拼接的维度。例如，假设我们有两个大小为 (3, 4) 和 (3, 5) 的数组，我们可以在第二个维度上拼接它们，代码如下：

import numpy as np

a = np.random.randn(3, 4)
b = np.random.randn(3, 5)

c = np.concatenate([a, b], axis=1)
print(c.shape)

输出结果为：

(3, 9)

2.2 np.stack

np.stack 函数可以将多个数组沿着新创建的维度进行拼接，例如：

import numpy as np

a = np.random.randn(3, 4)
b = np.random.randn(3, 4)

c = np.stack([a, b], axis=0)
print(c.shape)

输出结果为：

(2, 3, 4)

2.3 np.newaxis

如果要将一个数组扩展一个新的维度，可以使用 np.newaxis 函数，例如：

import numpy as np

a = np.random.randn(3, 4)

b = a[np.newaxis, ...]
print(b.shape)

输出结果为：

(1, 3, 4)