«

PyTorch常用函数torch.cat()中dim参数怎么使用

时间:2024-6-8 09:49     作者:韩俊     分类: Python


本文小编为大家详细介绍“PyTorch常用函数torch.cat()中dim参数怎么使用”,内容详细,步骤清晰,细节处理妥当,希望这篇“PyTorch常用函数torch.cat()中dim参数怎么使用”文章能帮助大家解决疑惑,下面跟着小编的思路慢慢深入,一起来学习新知识吧。

    Part 1: 简介

    在PyTorch中,

    torch.cat()
    是一个被广泛使用的函数。它可以让我们在某个维度上把多个张量组合在一起。对于那些想要深入了解使用PyTorch进行数据分析和建模的开发者来说,理解
    torch.cat()
    函数的dim参数是非常重要的。

    在PyTorch中,几乎所有与神经网络有关的操作都涉及到张量(Tensor)操作。因此,在PyTorch中,将多个相同形状的张量沿某个轴/维度连接起来的过程非常重要。这就是

    torch.cat()
    函数的作用。
    torch.cat()
    的最基本用法如下:

    torch.cat(tensors, dim=0, out=None) -> Tensor

    其中

    tensors
    表示要拼接的张量列表,
    dim
    表示我们希望在哪个维度上连接,默认是0,即在第一维上连接。
    out
    是输出张量,可不传入,当传入此参数时其大小必须能容纳在cat操作后的输出tensor中。

    Part 2: dim参数的说明

    dim
    参数指示拼接发生的轴或维度。在拼接多个张量时,我们必须指定在哪个维度上拼接它们。
    dim
    参数可以是正数、负数或None(默认为0),具体来说,
    dim
    参数可以有以下三种常见用法:

    正数

    最常见的方式是使用正整数来指定要连接的维度/轴的索引值。例如,在将两个大小为

    3x5x7
    的张量沿第2个维度拼接在一起时,这些张量变成一个形状为
    3x10x7
    的张量。

    # 定义两个大小都为[3, 5, 7]的随机Tensor
    tensor1 = torch.randn(3, 5, 7)
    tensor2 = torch.randn(3, 5, 7)
    # 在第二维度上(索引1)进行合并 
    cat_tensor = torch.cat((tensor1, tensor2), dim=1)
    print(cat_tensor.shape) # 输出: torch.Size([3, 10, 7])

    负数

    我们也可以使用负整数来表示要连接的轴/维度。当

    dim
    参数被设置为负整数时,它代表距离张量最后一个轴的间隔数。例如,将一个大小为
    3x5x7
    和一个大小为
    3x6x7
    的张量沿着最后一个维度进行拼接,即 concatenate 第三个维度:

    # 定义两个大小分别为 [3, 5, 7], [3, 6, 7] 的随机Tensor
    tensor1 = torch.randn(3, 5, 7)
    tensor2 = torch.randn(3, 6, 7)
    # 在最后一个维度上(-1表示)进行合并 
    cat_tensor = torch.cat((tensor1, tensor2), dim=-1)
    print(cat_tensor.shape) # 输出: torch.Size([3, 5, 14])

    None

    如果

    dim
    参数的值为
    None
    ,则会将所有输入张量沿着前面的维度全部展开。这通常会在神经网络模型中使用,例如在线性层之间堆叠各个特征向量时。

    # 定义两个大小分别为 [3, 5, 7], [4, 6, 8] 的随机Tensor
    tensor1 = torch.randn(3, 5, 7)
    tensor2 = torch.randn(4, 6, 8)
    # 将每个张量reshape为1D向量 
    resized_t1 = tensor1.view(-1)
    resized_t2 = tensor2.view(-1)
    # 按行连接两个1D张量  
    cat_tensor = torch.cat((resized_t1, resized_t2), dim=None)
    print(cat_tensor.shape) # 输出: torch.Size([315])

    标签: python

    热门推荐