Pytorch中torch.cat()函数举例解析

更新时间：2022年12月22日 16:12:16 作者：cv_lhp

一般torch.cat()是为了把多个tensor进行拼接而存在的,下面这篇文章主要给大家介绍了关于Pytorch中torch.cat()函数举例解析的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考下

一. torch.cat（）函数解析

1. 函数说明

1.1 官网：torch.cat()，函数定义及参数说明如下图所示：

1.2 函数功能

函数将两个张量（tensor）按指定维度拼接在一起，注意：除拼接维数dim数值可不同外其余维数数值需相同，方能对齐，如下面例子所示。torch.cat()函数不会新增维度，而torch.stack()函数会新增一个维度，相同的是两个都是对张量进行拼接

2. 代码举例

2.1 输入两个二维张量（dim=0）：dim=0对行进行拼接

a = torch.randn(2,3)
b =  torch.randn(3,3)
c = torch.cat((a,b),dim=0)
a,b,c

输出结果如下：
(tensor([[-0.90, -0.37, 1.96],
[-2.65, -0.60, 0.05]]),
tensor([[ 1.30, 0.24, 0.27],
[-1.99, -1.09, 1.67],
[-1.62, 1.54, -0.14]]),
tensor([[-0.90, -0.37, 1.96],
[-2.65, -0.60, 0.05],
[ 1.30, 0.24, 0.27],
[-1.99, -1.09, 1.67],
[-1.62, 1.54, -0.14]]))

2.2 输入两个二维张量（dim=1）: dim=1对列进行拼接

a = torch.randn(2,3)
b =  torch.randn(2,4)
c = torch.cat((a,b),dim=1)
a,b,c

输出结果如下：
(tensor([[-0.55, -0.84, -1.60],
[ 0.39, -0.96, 1.02]]),
tensor([[-0.83, -0.09, 0.05, 0.17],
[ 0.28, -0.74, -0.27, -0.85]]),
tensor([[-0.55, -0.84, -1.60, -0.83, -0.09, 0.05, 0.17],
[ 0.39, -0.96, 1.02, 0.28, -0.74, -0.27, -0.85]]))

2.3 输入两个三维张量：dim=0 对通道进行拼接

a = torch.randn(2,3,4)
b =  torch.randn(1,3,4)
c = torch.cat((a,b),dim=0)
a,b,c

输出结果如下：
(tensor([[[ 0.51, -0.72, -0.02, 0.76],
[ 0.72, 1.01, 0.39, -0.13],
[ 0.37, -0.63, -2.69, 0.74]],

[[ 0.72, -0.31, -0.27, 0.10],
[ 1.66, -0.06, 1.91, -0.66],
[ 0.34, -0.23, -0.18, -1.22]]]),
tensor([[[ 0.94, 0.77, -0.41, -1.20],
[-0.23, -1.03, -0.25, 1.67],
[-1.00, -0.68, -0.35, -0.50]]]),
tensor([[[ 0.51, -0.72, -0.02, 0.76],
[ 0.72, 1.01, 0.39, -0.13],
[ 0.37, -0.63, -2.69, 0.74]],

[[ 0.72, -0.31, -0.27, 0.10],
[ 1.66, -0.06, 1.91, -0.66],
[ 0.34, -0.23, -0.18, -1.22]],

[[ 0.94, 0.77, -0.41, -1.20],
[-0.23, -1.03, -0.25, 1.67],
[-1.00, -0.68, -0.35, -0.50]]]))

2.4 输入两个三维张量：dim=1对行进行拼接

a = torch.randn(2,3,4)
b =  torch.randn(2,4,4)
c = torch.cat((a,b),dim=1)
a,b,c

输出结果如下：
(tensor([[[-0.86, 0.00, -1.26, 1.20],
[-0.46, -1.08, -0.82, 2.03],
[-0.89, 0.43, 1.92, 0.49]],

[[ 0.24, -0.02, 0.32, 0.97],
[ 0.33, -1.34, 0.76, -1.55],
[ 0.38, 1.45, 0.27, -0.64]]]),
tensor([[[ 0.82, 0.85, -0.30, -0.58],
[-0.09, 0.40, 0.02, 0.75],
[-0.70, 0.67, -0.88, -0.50],
[-0.62, -1.65, -1.10, -1.39]],

[[-0.85, -1.61, -0.35, -0.56],
[ 0.00, 1.40, 0.41, 0.39],
[-0.01, 0.04, 0.80, 0.41],
[-1.21, -0.64, 1.14, 1.64]]]),
tensor([[[-0.86, 0.00, -1.26, 1.20],
[-0.46, -1.08, -0.82, 2.03],
[-0.89, 0.43, 1.92, 0.49],
[ 0.82, 0.85, -0.30, -0.58],
[-0.09, 0.40, 0.02, 0.75],
[-0.70, 0.67, -0.88, -0.50],
[-0.62, -1.65, -1.10, -1.39]],

[[ 0.24, -0.02, 0.32, 0.97],
[ 0.33, -1.34, 0.76, -1.55],
[ 0.38, 1.45, 0.27, -0.64],
[-0.85, -1.61, -0.35, -0.56],
[ 0.00, 1.40, 0.41, 0.39],
[-0.01, 0.04, 0.80, 0.41],
[-1.21, -0.64, 1.14, 1.64]]]))

2.5 输入两个三维张量：dim=2对列进行拼接

a = torch.randn(2,3,4)
b =  torch.randn(2,3,5)
c = torch.cat((a,b),dim=2)
a,b,c

输出结果如下：
(tensor([[[ 0.13, -0.02, 0.13, -0.25],
[ 1.42, -0.22, -0.87, 0.27],
[-0.07, 1.04, -0.06, 0.91]],

[[ 0.88, -1.46, 0.04, 0.35],
[ 1.36, 0.64, 0.75, 0.39],
[ 0.36, 1.13, 0.83, 0.56]]]),
tensor([[[-0.47, -2.30, -0.49, -1.02, 1.74],
[ 0.71, 0.89, 0.80, -0.05, -1.35],
[-0.40, 0.26, -0.78, -1.50, -0.92]],

[[-0.77, -0.01, 1.23, 0.70, -0.66],
[ 0.28, -0.18, -0.91, 2.23, 1.14],
[-1.93, -0.17, 0.15, 0.40, 0.32]]]),
tensor([[[ 0.13, -0.02, 0.13, -0.25, -0.47, -2.30, -0.49, -1.02, 1.74],
[ 1.42, -0.22, -0.87, 0.27, 0.71, 0.89, 0.80, -0.05, -1.35],
[-0.07, 1.04, -0.06, 0.91, -0.40, 0.26, -0.78, -1.50, -0.92]],

[[ 0.88, -1.46, 0.04, 0.35, -0.77, -0.01, 1.23, 0.70, -0.66],
[ 1.36, 0.64, 0.75, 0.39, 0.28, -0.18, -0.91, 2.23, 1.14],
[ 0.36, 1.13, 0.83, 0.56, -1.93, -0.17, 0.15, 0.40, 0.32]]]))

总结

到此这篇关于Pytorch中torch.cat()函数举例解析的文章就介绍到这了,更多相关Pytorch中torch.cat()函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

PyTorch里面的torch.nn.Parameter()详解
今天小编就为大家分享一篇PyTorch里面的torch.nn.Parameter()详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-01-01
基于Python实现自制CV剪贴板功能
云桌面的win10不能调出剪贴板,对于CV工程师来说十分不方便,所以这篇文章主要介绍了如何使用Python实现一个CV剪贴板,提升常用语句的复制粘贴效率,感兴趣的可以了解下
2024-02-02
Python使用Matplotlib进行图案填充和边缘颜色分离的三种方法
Matplotlib是Python中功能强大的绘图库,允许广泛的自定义选项,一个常见的要求是分离出图中的图案填充和边缘颜色,默认情况下,Matplotlib中的填充颜色与边缘颜色相关联,但有一些方法可以独立自定义这些颜色,本文将深入研究如何实现这一点的技术细节,并提供分步说明和示例
2025-01-01
Python中使用Inotify监控文件实例
这篇文章主要介绍了Python中使用Inotify监控文件实例,本文直接给出实现代码,需要的朋友可以参考下
2015-02-02
pycharm快捷键汇总
本文给大家分享的是PyCharm开发工具的快捷键大全整理,非常详细,适合使用PyCharm作为开发工具的开发人员参考使用,能够帮助提高开发效率和速度
2020-02-02
python获得一个月有多少天的方法
这篇文章主要介绍了python获得一个月有多少天的方法,涉及Python中datetime模块操作日期的相关技巧,需要的朋友可以参考下
2015-06-06
Python曲线拟合多项式深入详解
这篇文章主要给大家介绍了关于Python使用scipy进行曲线拟合的相关资料,Scipy优化和拟合采用的是optimize模块,该模块提供了函数最小值(标量或多维)、曲线拟合和寻找等式的根的有用算法,需要的朋友可以参考下
2022-11-11
python迭代器与生成器详解
迭代器和生成器都是Python中特有的概念，迭代器可以看作是一个特殊的对象，每次调用该对象时会返回自身的下一个元素，从实现上来看，一个可迭代的对象必须是定义了__iter__()方法的对象，而一个迭代器必须是定义了__iter__()方法和next()方法的对象。
2016-03-03
python3.7.3版本和django2.2.3版本是否可以兼容
在本篇文章里小编给大家整理的是一篇关于python3.7.3版本和django2.2.3版本是否可以兼容的相关知识点内容，有兴趣的朋友们可以学习下。
2020-09-09
VS2022安装Python开发环境的详细过程
这篇文章主要介绍了VS2022安装Python开发环境,文中用Python实现裴波那契数列，来感受一下Python的魅力，结合实例代码给大家介绍的非常详细，需要的朋友可以参考下
2022-08-08