【深度学习】卷积神经网络中torch.cat（）函数解析

一.torch.cat()函数解析

函数功能

函数将多个张量（tensor）按指定维度拼接在一起，在卷积中通常把相同2D维度，不同通道数的的张量进行拼接（Concatenation），则可使用torch.cat（），不会增加新的维度。

四阶张量有4个维度（a，b，c，d），其对应维度标号如下：

a->dim=0;

b->dim=1;

c->dim=2;

d->dim=4;

按dim=1进行拼接,则按通道维度进行组合

代码操作

输入：

import torch
a = torch.randn(1,2,4,4)
b =  torch.randn(1,2,4,4)
c = torch.cat((a,b),dim=1)
print(c.shape)
print(c)

输出：

torch.Size([1, 4, 4, 4])
tensor([[[[-1.2265,  0.2191, -0.2701, -1.1974],
          [-0.2012,  0.2933, -0.7879, -0.8292],
          [ 0.7499,  0.9272, -0.2942, -0.7157],
          [ 1.2976,  0.3106, -1.3818, -0.4638]],

         [[ 0.8694, -0.5793,  1.6817, -0.5349],
          [ 0.3290, -0.1985, -0.7746, -1.4872],
          [ 0.7211,  1.0945,  0.5810, -0.3578],
          [-2.0604,  0.9210, -0.2202,  2.3572]],

         [[ 1.1119, -1.4924, -0.8243, -0.6296],
          [ 0.6080,  0.2288,  0.2951,  0.0872],
          [-0.6361,  0.8789, -0.5911, -0.1276],
          [-0.6944, -0.0813,  1.2276,  2.0860]],

         [[-0.9725,  0.4640, -0.3887, -0.3565],
          [-0.4997,  1.3356, -0.2833, -1.3948],
          [-0.1654,  0.0709,  1.6289,  0.0100],
          [-0.2617,  0.1561,  1.2905, -0.8922]]]])

进程已结束,退出代码0