torch stack() \ totch.meshgrid()

GY-赵

已于 2022-08-13 22:03:08 修改

阅读量278

点赞数

分类专栏： pytorch 文章标签： pytorch

于 2022-06-25 10:54:41 首次发布

本文链接：https://blog.csdn.net/xiaoxiaomo_/article/details/125456663

版权

pytorch 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

这篇博客介绍了PyTorch中torch.stack和torch.cat两个函数在维度拼接上的区别。torch.stack会在指定维度上增加一个新维度进行拼接，而torch.cat则在同一维度上合并张量。通过示例展示了它们在处理二维网格axes1和axes2时的效果，帮助理解这两个函数的使用场景。

摘要由CSDN通过智能技术生成

torch.stack() 指定维度拼接，会增加一个新维度
torch.cat() 指定维度拼接，在该维度上合并，如两个1 合并为 2

import torch
x = torch.arange(4)
x2 = torch.arange(3,7)
print(x,x2)
"""  
tensor([0, 1, 2, 3]) tensor([3, 4, 5, 6])
"""
axes1,axes2 =torch.meshgrid(x,x2)#输入为一维序列，输出两个二维网格，常用来生成坐标
print(axes1.shape,axes2.shape)
"torch.Size([4, 4]) torch.Size([4, 4])"
print(axes1,axes2)
"""  
tensor([[0, 0, 0, 0],
        [1, 1, 1, 1],
        [2, 2, 2, 2],
        [3, 3, 3, 3]]) tensor([[3, 4, 5, 6],
        [3, 4, 5, 6],
        [3, 4, 5, 6],
        [3, 4, 5, 6]])
"""
torch.stack((axes1,axes2))#按照某个维度拼接，输入序列shape必须一致，默认按照dim0

"""   
shape:[2,4,4]
tensor([[[0, 0, 0, 0],
         [1, 1, 1, 1],
         [2, 2, 2, 2],
         [3, 3, 3, 3]],

        [[3, 4, 5, 6],
         [3, 4, 5, 6],
         [3, 4, 5, 6],
         [3, 4, 5, 6]]])
"""