pytorch中torch.stack()函数用法解读

 更新时间:2024年04月24日 08:54:32   作者:RealWeakCoder  
这篇文章主要介绍了pytorch中torch.stack()函数用法,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教

torch.stack()函数用法

一、基本功能

pytroch官方文档对于这个函数的描述很简略。

只有一句话:

在维度上连接(concatenate)若干个张量。(这些张量形状相同)。

经过代码总结归纳,可以得到stack(tensors,dim=0,out=None)函数的功能:

将若干个张量在dim维度上连接,生成一个扩维的张量,比如说原来你有若干个2维张量,连接可以得到一个3维的张量。

设待连接张量维度为n,dim取值范围为-n-1~n,这里得提一下为负的意义:-i为倒数第i个维度。

举个例子:

对于2维的待连接张量,-1维即3维,-2维即2维。

上代码:

a=torch.tensor([[1,2,3],[4,5,6]])
b=torch.tensor([[10,20,30],[40,50,60]])
c=torch.tensor([[100,200,300],[400,500,600]])
print(torch.stack([a,b,c],dim=0))
print(torch.stack([a,b,c],dim=1))
print(torch.stack([a,b,c],dim=2))
print(torch.stack([a,b,c],dim=0).size())
print(torch.stack([a,b,c],dim=1).size())
print(torch.stack([a,b,c],dim=2).size())
#输出结果为:
tensor([[[  1,   2,   3],
         [  4,   5,   6]],

        [[ 10,  20,  30],
         [ 40,  50,  60]],

        [[100, 200, 300],
         [400, 500, 600]]])
tensor([[[  1,   2,   3],
         [ 10,  20,  30],
         [100, 200, 300]],

        [[  4,   5,   6],
         [ 40,  50,  60],
         [400, 500, 600]]])
tensor([[[  1,  10, 100],
         [  2,  20, 200],
         [  3,  30, 300]],

        [[  4,  40, 400],
         [  5,  50, 500],
         [  6,  60, 600]]])
torch.Size([3, 2, 3])
torch.Size([2, 3, 3])
torch.Size([2, 3, 3])

二、规律分析

通过代码运行结果,我们不难发现,stack(tensors,dim=0,out=None)函数的运行机制可以等价为:

  • dim=0时,将tensor在一维上连接,简单来说就是,就是将tensor1,tensor2…tensor n,连接为【tensor1,tensor2… tensor n】(就是在这里产生了扩维)
  • dim=1时,将每个tensor的第i行按行连接组成一个新的2维tensor,再将这些新tensor按照dim=0的方式连接。
  • dim=2时,将每个tensor的第i行转置后按列连接组成一个新的2维tensor,再将这些新tesnor按照dim=0的方式连接

可以得到一个结论:n维(n>=2)待连接张量按dim=x的方式连接等价于:

  • 若x=0,参照上面的规律进行连接
  • 若x>0,对每个张量的第一个维度下的张量对应地按照dim=x-1的方式进行连接得到若干个新张量,这些新张量按照dim=0的方式进行连接。
  • 很明显,该规律具有递归的特性,x=0,1,2的基础情况已经给出。

注:以上规律是在未看函数实现源码基础上未加证明的猜测。

总结

以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。

相关文章

  • python基于Selenium的web自动化框架

    python基于Selenium的web自动化框架

    这篇文章主要介绍了python基于Selenium的web自动化框架,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-07-07
  • 把MySQL表结构映射为Python中的对象的教程

    把MySQL表结构映射为Python中的对象的教程

    这篇文章主要介绍了简单地把MySQL表结构映射为Python中的对象的方法,用到了Python中的SQLAlchemy库,需要的朋友可以参考下
    2015-04-04
  • python 循环结构练习题

    python 循环结构练习题

    这篇文章主要给大家分享的是python 循环结构练习题,求两个数最大公约数、整数反转:如12345,输出54321等多个练习题,需要的朋友可以参考一下
    2021-11-11
  • Python顺序结果、选择结构和循环结构详解

    Python顺序结果、选择结构和循环结构详解

    这篇文章主要给大家介绍了关于Python顺序结果、选择结构和循环结构的相关资料, 程序由3种基本结构组成,顺序结构、分支结构和循环结构,需要的朋友可以参考下
    2023-07-07
  • Python包装之对象处理

    Python包装之对象处理

    这篇文章主要介绍了Python包装之对象处理,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下
    2022-06-06
  • python、java等哪一门编程语言适合人工智能?

    python、java等哪一门编程语言适合人工智能?

    哪一门编程语言适合人工智能?这篇文章主要为大家详细介绍了python编程语言适合人工智能的原因、优点,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2017-11-11
  • Python如何使用标准库tmpfile库创建临时文件

    Python如何使用标准库tmpfile库创建临时文件

    这篇文章主要介绍了Python如何使用标准库tmpfile库创建临时文件问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-02-02
  • pytest conftest.py文件的使用讲解

    pytest conftest.py文件的使用讲解

    这篇文章主要介绍了pytest的conftest.py文件的使用讲解,帮助大家更好的理解和学习使用pytest框架,感兴趣的朋友可以了解下
    2021-03-03
  • 使用python实现mqtt的发布和订阅

    使用python实现mqtt的发布和订阅

    这篇文章主要介绍了使用python实现mqtt的发布和订阅,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
    2019-05-05
  • Python3实现的判断回文链表算法示例

    Python3实现的判断回文链表算法示例

    这篇文章主要介绍了Python3实现的判断回文链表算法,结合实例形式分析了Python3针对链表是否为回文链表进行判断的相关算法实现技巧,需要的朋友可以参考下
    2019-03-03

最新评论