torch.cat（）函数讲解并举一个例子

torch.cat() 是 PyTorch 中的一个非常有用的函数，它用于沿着指定的维度将一系列张量（tensor）拼接起来。这个函数在处理批处理数据、合并不同来源的特征或生成更大的张量时非常有用。

函数签名

python复制代码

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

• tensors (sequence of Tensors): 要拼接的张量序列。这些张量必须具有相同的形状，除了指定要拼接的维度 dim。
• dim (int, optional): 要拼接的维度。默认值为 0。
• out (Tensor, optional): 输出张量。如果提供，则结果将被写入此张量。

返回值

返回一个拼接后的张量。

例子

假设我们有两个张量 A 和 B，我们想要沿着不同的维度将它们拼接起来。

沿着第一个维度（dim=0）拼接

python复制代码

	import torch
	# 创建两个张量
	A = torch.randn(2, 3) # 形状为 (2, 3)
	B = torch.randn(3, 3) # 形状为 (3, 3)，注意第一个维度不同
	# 沿着第一个维度（dim=0）拼接
	C = torch.cat((A, B), dim=0)
	print(C.shape) # 输出: torch.Size([5, 3])

在这个例子中，A 和 B 的第一个维度大小不同（2 和 3），但第二个维度大小相同（都是 3）。我们沿着第一个维度将它们拼接起来，结果是一个形状为 (5, 3) 的张量。

沿着第二个维度（dim=1）拼接

python复制代码

	# 创建两个形状相同的张量
	A = torch.randn(2, 3) # 形状为 (2, 3)
	B = torch.randn(2, 4) # 形状为 (2, 4)，注意第二个维度不同
	# 沿着第二个维度（dim=1）拼接
	C = torch.cat((A, B), dim=1)
	print(C.shape) # 输出: torch.Size([2, 7])

在这个例子中，A 和 B 的第一个维度大小相同（都是 2），但第二个维度大小不同（3 和 4）。我们沿着第二个维度将它们拼接起来，结果是一个形状为 (2, 7) 的张量。

注意

• 拼接的张量必须在除了指定维度以外的所有维度上具有相同的形状。
• dim 参数决定了拼接的维度，默认是 0。
• 如果 out 参数被指定，则结果将被写入这个张量中，并且返回的将是这个张量的引用。但是，在实际使用中，通常不需要指定 out 参数。