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
水如烟3 分钟前
孤能子视角:“数学“,哥德尔边界动力学分析
人工智能
摸鱼仙人~4 分钟前
Agent 意图识别:从传统 NLU 到 LLM 驱动的范式变革
人工智能·深度学习
Narrastory8 分钟前
给数据“做减法”:PCA与UMAP详解与代码实现
人工智能·数据分析
kevin_kang9 分钟前
技术选型背后的思考:为什么选择Next.js + FastAPI + LangChain
人工智能
了了侠11 分钟前
也论三个数字化与Palantir本体论
人工智能·数字化转型·业务架构·业务建模·本体论·palantir
kevin_kang12 分钟前
三层架构设计:前端+业务+AI层的职责划分
人工智能
yanghuashuiyue17 分钟前
deepseek本地部署
人工智能·自然语言处理·deepseek
不惑_18 分钟前
通俗理解神经网络的反向传播
人工智能·深度学习·神经网络
mubei-12322 分钟前
Self-RAG:通过自我反思学习检索、生成和批判
人工智能·llm·rag·检索增强生成