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。

1. import torch
   
2. A = torch.tensor([
   
3.     [1, 2, 3],
   
4.     [4, 5, 6],
   
5.     [7, 8, 9]
   
6. ])
   
7. 
   
8. print('A 的维度为{}'.format(A.dim()))
   
9. print('A 的形状为{}'.format(A.shape))
   
10. out:
    
11. A 的维度为2
    
12. A 的形状为torch.Size([3, 3])

复制代码

1. B = torch.tensor([
   
2.     [12, 22, 33],
   
3.     [44, 55, 66],
   
4.     [77, 88, 99]
   
5. ])
   
6. 
   
7. print('B 的维度为{}'.format(B.dim()))
   
8. print('B 的形状为{}'.format(B.shape))
   
9. out:
   
10. B 的维度为2
    
11. B 的形状为torch.Size([3, 3])

复制代码

按列进行拼接：dim=0

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

复制代码

按行进行拼接：

1. resut1 = torch.cat((A, B), dim=1) # dim=1, 按行进行拼接
   
2. print(resut1)
   
3. out:
   
4. tensor([[ 1,  2,  3, 12, 22, 33],
   
5.         [ 4,  5,  6, 44, 55, 66],
   
6.         [ 7,  8,  9, 77, 88, 99]])
   
7. 
   
8. print('resut1 的维度为{}'.format(resut1.dim()))
   
9. print('resut1 的形状为{}'.format(resut1.shape))
   
10. out:
    
11. resut1 的维度为2
    
12. resut1 的形状为torch.Size([3, 6])

复制代码