PyTorch中的torch.cat怎么用

PyTorch中的torch.cat怎么用

这篇文章主要介绍PyTorch中的torch.cat怎么用，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

1.toych简单介绍

包torch包含了多维疑是的数据结构及基于其上的多种数学操作。

torch包含了多维张量的数据结构以及基于其上的多种数学运算。此外，它也提供了多种实用工具，其中一些可以更有效地对张量和任意类型进行序列化的工具。

它具有CUDA的对应实现，可以在NVIDIA GPU上进行张量运算(计算能力>=3.0)

2. 张量Tensors

torch.is_tensor(obj):如果obj是一个pytorch张量，则返回True

torch.is_storage(obj):如果obj是一个pytorch storage对象，则返回True

torch.numel(input):返回input张量中的元素个数。

3.torch.cat

a=torch.ones([1,2])b=torch.ones([1,2])z=torch.cat([a,b],1)aOut[47]:tensor([[1.,1.,1.,1.]])aOut[48]:tensor([[1.,1.]])

如果第二个参数是1，torch.cat就是将a,b 按列放在一起，大小为torch.Size([1,4])。如果第二个参数是0，则按行

行放在一起，大小为 torch.Size([2, 2]) 。

字面理解：torch.cat是将两个张量（tensor）拼接在一起，cat是concatenate的意思，即拼接，联系在一起。

例子理解：

importtorchA=torch.ones(2,3)A#tensor([[1.,1.,1.],#[1.,1.,1.]])B=2*torch.ones(4,3)B#tensor([[2.,2.,2.],#[2.,2.,2.],#[2.,2.,2.],#[2.,2.,2.]])C=torch.cat((A,B),0)#按维数0（添加到行）拼接C#tensor([[1.,1.,1.],#[1.,1.,1.],#[2.,2.,2.],#[2.,2.,2.],#[2.,2.,2.],#[2.,2.,2.]])

D=2*torch.ones(2,4)M=torch.cat((A,D),1)#按维数1（列）拼接M#tensor([[1.,1.,1.,2.,2.,2.,2.],#[1.,1.,1.,2.,2.,2.,2.]])M.size()#torch.Size([2,7])

使用torch.cat((A,B),dim)时，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

以上是“PyTorch中的torch.cat怎么用”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注恰卡编程网行业资讯频道！