torch.cat()函数 ，关于四维tensor维度合并。

引言：看了关于torch.cat函数的文章，有点乱，自己总结一篇，关于四维tensor合并。

1. 一张图像在计算机中的表示通常为三维tensor（张量），即[channels,height,width] 。也就是一张彩色图片通常有三色通道（R,G,B）组成，高和宽也就是常说的照片大小，比如224x224
2. 在图像处理的时候会增加一个变量batch_size,也就是把多少张图片作为一批进行处理。所以就变成了四维张量，即[batch_size,channels,heigth,width],也即是[批量大小，通道数，高，宽]
3. 如何判断一个tensor是几维张量最简单的办法就是看中括号数。例如  [[[[1,2,3]]]]，是四维张量。
4. torch.cat()函数,官方文档是这样写的torch.cat(tensors, dim=0, *, out=None)，也就是有两个参数，一个是要合并的张量，一个是在哪个维度上进行合并。

   ---

   ---

   废话少说开始演示。

import torch
a=torch.tensor([[[[1,1,1],[2,2,2]]]])
b=torch.tensor([[[[3,3,3],[4,4,4]]]])
print(a.shape,b.shape)

#torch.Size([1, 1, 2, 3]) torch.Size([1, 1, 2, 3])

定义了两个四维张量。维度都为[1,1,2,3]，即批量大小为1，通道为1，高为2，宽为3