torch.stack

看网上看多没讲的不是很明白,我来试试空间上的理解

复制代码
# 假设是时间步T1的输出
T1 = torch.tensor([[1, 2, 3],
        		[4, 5, 6],
        		[7, 8, 9]])
# 假设是时间步T2的输出
T2 = torch.tensor([[10, 20, 30],
        		[40, 50, 60],
        		[70, 80, 90]])

输出:

复制代码
print(torch.stack((T1,T2),dim=0).shape)
print(torch.stack((T1,T2),dim=1).shape)
print(torch.stack((T1,T2),dim=2).shape)
print(torch.stack((T1,T2),dim=3).shape)
# outputs:
torch.Size([2, 3, 3])
torch.Size([3, 2, 3])
torch.Size([3, 3, 2])
'选择的dim>len(outputs),所以报错'
IndexError: Dimension out of range (expected to be in range of [-3, 2], but got 3)

将dim=0,1,2理解为x,y,z轴.

  1. 那么dim=0的拼接就是在x轴上:这么看,就是x=2,y=3,z=3
  2. dim = 1,这么看,x=3,y=2,z=3
  3. dim = 2,这么看,x=3,y=3,z=2

    我偷懒了,图就是意思意思
相关推荐
测试人社区-千羽1 分钟前
智能化测试:AI驱动的测试覆盖率提升方法论与实战路径
运维·人工智能·测试工具·程序人生·自动化·测试覆盖率
龙腾AI白云18 分钟前
图神经网络初探(1)
人工智能
躺柒20 分钟前
读共生:4.0时代的人机关系02人机合作后
大数据·人工智能·机器人·人机交互·人机协作·人机对话
无心水27 分钟前
【神经风格迁移:性能】23、边缘艺术革命:树莓派+ONNX实现本地神经风格迁移,单张<2秒
pytorch·边缘计算·树莓派·onnx·int8·神经风格迁移:性能·神经风格
itwangyang52031 分钟前
AIDD药物筛选与设计详细方法
人工智能·python
yiersansiwu123d34 分钟前
生成式AI落地潮:从技术狂热到商业价值重构
人工智能·重构
luoganttcc39 分钟前
除了视觉伺服 还有哪些 方法
人工智能
ST小智39 分钟前
2025年创作历程回顾与个人生活平衡
大数据·linux·人工智能
weixin_437988121 小时前
范式智能发布“风控哨兵”大模型 引领金融风控新范式
人工智能
哥本哈士奇1 小时前
使用Gradio构建AI前端 - RAG的QA模块
前端·人工智能·状态模式