torch.cat()函数对矩阵进行拼接时的dim区别

Handsome_zhou

torch.cat(tensors, dim=0)定义两个二维数组A, B
对A,B按列(dim=0)和按行(dim=1)进行拼接。

import torch
A = torch.tensor([
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
])

print('A 的维度为{}'.format(A.dim()))
print('A 的形状为{}'.format(A.shape))
out:
A 的维度为2
A 的形状为torch.Size([3, 3])

B = torch.tensor([
    [12, 22, 33],
    [44, 55, 66],
    [77, 88, 99]
])

print('B 的维度为{}'.format(B.dim()))
print('B 的形状为{}'.format(B.shape))
out:
B 的维度为2
B 的形状为torch.Size([3, 3])

按列进行拼接：dim=0

resut = torch.cat((A, B), dim=0) # dim=0, 按列进行拼接
print(resut)
out:
tensor([[ 1,  2,  3],
        [ 4,  5,  6],
        [ 7,  8,  9],
        [12, 22, 33],
        [44, 55, 66],
        [77, 88, 99]])
print('resut 的维度为{}'.format(resut.dim()))
print('resut 的形状为{}'.format(resut.shape))
out:
resut 的维度为2
resut 的形状为torch.Size([6, 3])

按行进行拼接：

resut1 = torch.cat((A, B), dim=1) # dim=1, 按行进行拼接
print(resut1)
out:
tensor([[ 1,  2,  3, 12, 22, 33],
        [ 4,  5,  6, 44, 55, 66],
        [ 7,  8,  9, 77, 88, 99]])

print('resut1 的维度为{}'.format(resut1.dim()))
print('resut1 的形状为{}'.format(resut1.shape))
out:
resut1 的维度为2
resut1 的形状为torch.Size([3, 6])