Pytorch中torch.cat与torch.stack有什么区别

今天就跟大家聊聊有关Pytorch中torch.cat与torch.stack有什么区别,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。

torch.cat()函数可以将多个张量拼接成一个张量.torch.cat()有两个参数,第一个是要拼接的张量的列表或是元组;第二个参数是拼接的维度。

torch.cat()的示例如下图1所示

图1 torch.cat ()

torch.stack()函数同样有张量列表和维度两个参数.stack与猫的区别在于,torch.stack()函数要求输入张量的大小完全相同,得到的张量的维度会比输入的张量的大小多1,并且多出的那个维度就是拼接的维度,那个维度的大小就是输入张量的个数。

torch.stack()的示例如下图2所示:

图2 torch.stack ()

<强>补充:torch.stack()的官方解释,详解以及例子

可以直接看最下面的【3。例子】,再回头看前面的解释

在pytorch中,常见的拼接函数主要是两个,分别是:

1,堆栈()

2,猫()

实际使用中,这两个函数互相辅助:关于猫()参考torch.cat(),但是本文主要说堆栈()。

函数的意义:使用栈可以保留两个信息:[1。序列]和[2。张量矩阵]信息,属于【扩张再拼接】的函数。

形象的理解:假如数据都是二维矩阵(平面),它可以把这些一个个平面(矩)阵按第三维(例如:时间序列)压成一个三维的立方体,而立方体的长度就是时间序列长度。

该函数常出现在自然语言处理(NLP)和图像卷积神经网络(CV)中。

1。堆栈()

官方解释:沿着一个新维度对输入张量序列进行连接。序列中所有的张量都应该为相同形状。

浅显说法:把多个2维的张量凑成一个三维的张量;多个3维的凑成一个4维的张量…以此类推,也就是在增加新的维度进行堆叠。