torch.cat 与 torch.concat函数

2024-06-08 04:28
文章标签 函数 torch cat concat

本文主要是介绍torch.cat 与 torch.concat函数,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 区别
  • torch.cat介绍
    • 作用
    • 参数
    • 使用实例
      • 关于参数dim为None的使用

区别

  先说结论:没有区别在功能、用法以及作用上,concat函数就是cat函数的别名(官方就是这样说的)。下面截图为证:在这里插入图片描述
  因此接下来就主要是介绍 torch.cat 函数的功能和用法。

torch.cat介绍

参考🔗:link

torch.cat(tensors, dim=0, *, out=None) → Tensor

作用

  将给定序列的张量在给定维度上连接起来。所有张量必须具有相同的形状(除了连接维度之外),或者是一个尺寸为(0,)的一维空张量。
Concatenates the given sequence of seq tensors in the given dimension. All tensors must either have the same shape (except in the concatenating dimension) or be a 1-D empty tensor with size (0,)

参数

  • 第一个参数 tensors :除了要连接的维度外,其他维度的形状都要相同的张量。tensors: Tuple[Tensor, …] | List[Tensor]。写法可以是(x, x, x)or [x, x, x]
  • 第二个参数 dim:(int, optiona)指定的连接的维度,可选,默认就是 dim=0,表示水平方向上拼接,即行拼接。这个参数可以是整数,负数,0,以及没有。
  • 其他参数不用管。

使用实例

import torch
x = torch.randn(2, 3)
x
# 输出
tensor([[ 1.3524,  0.7867, -0.1423],[ 1.1235,  0.0221, -0.5478]])

dim=0 表示水平方向的拼接,也就说从shape(2, 3) -> shape(6, 3):

y = torch.cat([x, x, x], dim=0)
y
# 输出
tensor([[ 1.3524,  0.7867, -0.1423],[ 1.1235,  0.0221, -0.5478],[ 1.3524,  0.7867, -0.1423],[ 1.1235,  0.0221, -0.5478],[ 1.3524,  0.7867, -0.1423],[ 1.1235,  0.0221, -0.5478]])

dim=1表示:

z = torch.cat((x, x, x), dim=1)
z
# 输出
tensor([[ 1.3524,  0.7867, -0.1423,  1.3524,  0.7867, -0.1423,  1.3524,  0.7867, -0.1423],[ 1.1235,  0.0221, -0.5478,  1.1235,  0.0221, -0.5478,  1.1235,  0.0221, -0.5478]])

重点关注一下 , dim=-1

xy = torch.cat((x, x, x), dim=-1)
xy
# 输出
tensor([[ 1.3524,  0.7867, -0.1423,  1.3524,  0.7867, -0.1423,  1.3524,  0.7867, -0.1423],[ 1.1235,  0.0221, -0.5478,  1.1235,  0.0221, -0.5478,  1.1235,  0.0221, -0.5478]])

  没错 dim=-1的结果和dim=1的结果是一致的,但是我要说一下dim=-1表示的是最后一个维度,所以 对于 我举的这个例子只有两个维度而言,dim=-1和dim=1是等效的。

关于参数dim为None的使用

当时我的第一反应是 那我直接就不写这个参数不就得了嘛 所以我尝试了下面的代码,也确实发现和dim=0的效果是一致的。

yy = torch.cat([x, x, x])
yy

但是我在查找的时候遇到有文章是将None赋值给参数dim,所以我尝试后出现了问题如下:在这里插入图片描述
文章链接🔗:link。于是我复制文章的代码运行,发现依旧报错。(无语 误导人)

在这里插入图片描述
下面图片是查找的文章的说法:
在这里插入图片描述
而我问了chatgpt的回答:在这里插入图片描述

References:
【1】https://discuss.pytorch.org/t/what-does-dim-1-mean-in-torch-cat/110883

这篇关于torch.cat 与 torch.concat函数的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1041202

相关文章

shell编程之函数与数组的使用详解

《shell编程之函数与数组的使用详解》:本文主要介绍shell编程之函数与数组的使用,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... 目录shell函数函数的用法俩个数求和系统资源监控并报警函数函数变量的作用范围函数的参数递归函数shell数组获取数组的长度读取某下的

如何在pycharm安装torch包

《如何在pycharm安装torch包》:本文主要介绍如何在pycharm安装torch包方式,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... 目录在pycharm安装torch包适http://www.chinasem.cn配于我电脑的指令为适用的torch包为总结在p

MySQL高级查询之JOIN、子查询、窗口函数实际案例

《MySQL高级查询之JOIN、子查询、窗口函数实际案例》:本文主要介绍MySQL高级查询之JOIN、子查询、窗口函数实际案例的相关资料,JOIN用于多表关联查询,子查询用于数据筛选和过滤,窗口函... 目录前言1. JOIN(连接查询)1.1 内连接(INNER JOIN)1.2 左连接(LEFT JOI

MySQL中FIND_IN_SET函数与INSTR函数用法解析

《MySQL中FIND_IN_SET函数与INSTR函数用法解析》:本文主要介绍MySQL中FIND_IN_SET函数与INSTR函数用法解析,本文通过实例代码给大家介绍的非常详细,感兴趣的朋友一... 目录一、功能定义与语法1、FIND_IN_SET函数2、INSTR函数二、本质区别对比三、实际场景案例分

pytorch之torch.flatten()和torch.nn.Flatten()的用法

《pytorch之torch.flatten()和torch.nn.Flatten()的用法》:本文主要介绍pytorch之torch.flatten()和torch.nn.Flatten()的用... 目录torch.flatten()和torch.nn.Flatten()的用法下面举例说明总结torch

C++ Sort函数使用场景分析

《C++Sort函数使用场景分析》sort函数是algorithm库下的一个函数,sort函数是不稳定的,即大小相同的元素在排序后相对顺序可能发生改变,如果某些场景需要保持相同元素间的相对顺序,可使... 目录C++ Sort函数详解一、sort函数调用的两种方式二、sort函数使用场景三、sort函数排序

C语言函数递归实际应用举例详解

《C语言函数递归实际应用举例详解》程序调用自身的编程技巧称为递归,递归做为一种算法在程序设计语言中广泛应用,:本文主要介绍C语言函数递归实际应用举例的相关资料,文中通过代码介绍的非常详细,需要的朋... 目录前言一、递归的概念与思想二、递归的限制条件 三、递归的实际应用举例(一)求 n 的阶乘(二)顺序打印

C/C++错误信息处理的常见方法及函数

《C/C++错误信息处理的常见方法及函数》C/C++是两种广泛使用的编程语言,特别是在系统编程、嵌入式开发以及高性能计算领域,:本文主要介绍C/C++错误信息处理的常见方法及函数,文中通过代码介绍... 目录前言1. errno 和 perror()示例:2. strerror()示例:3. perror(

Kotlin 作用域函数apply、let、run、with、also使用指南

《Kotlin作用域函数apply、let、run、with、also使用指南》在Kotlin开发中,作用域函数(ScopeFunctions)是一组能让代码更简洁、更函数式的高阶函数,本文将... 目录一、引言:为什么需要作用域函数?二、作用域函China编程数详解1. apply:对象配置的 “流式构建器”最

Android Kotlin 高阶函数详解及其在协程中的应用小结

《AndroidKotlin高阶函数详解及其在协程中的应用小结》高阶函数是Kotlin中的一个重要特性,它能够将函数作为一等公民(First-ClassCitizen),使得代码更加简洁、灵活和可... 目录1. 引言2. 什么是高阶函数?3. 高阶函数的基础用法3.1 传递函数作为参数3.2 Lambda