深度学习02-pytorch-02-张量的拼接操作

在 PyTorch 中，张量的拼接操作可以通过以下几种主要方法来实现，最常用的包括 torch.cat(), torch.stack(), 以及 torch.chunk()。这些操作可以将多个张量沿某个维度拼接在一起或拆分张量。下面将详细介绍如何使用这些操作。

1. torch.cat()

torch.cat() 是最常用的拼接函数，它沿着指定维度将张量拼接在一起。需要确保拼接时除拼接维度外的其他维度大小相同。

import torch
​
# 定义两个形状为 (2, 3) 的张量
tensor1 = torch.randn(2, 3)
tensor2 = torch.randn(2, 3)
​
# 沿着维度 0 进行拼接 (行方向)
concat_tensor = torch.cat((tensor1, tensor2), dim=0)
print(concat_tensor.size())  # 输出: torch.Size([4, 3])
​
# 沿着维度 1 进行拼接 (列方向)
concat_tensor = torch.cat((tensor1, tensor2), dim=1)
print(concat_tensor.size())  # 输出: torch.Size([2, 6])

注意：在使用 torch.cat() 时，拼接的张量在除拼接维度外的其他维度必须相同。

2. torch.stack()

torch.stack() 会在新的维度上将多个张量堆叠在一起，返回的张量维度会比输入张量多一维。

# 定义两个形状为 (2, 3) 的张量
tensor1 = torch.randn(2, 3)
tensor2 = torch.randn(2, 3)
​
# 在维度 0 进行堆叠
stacked_tensor = torch.stack((tensor1, tensor2), dim=0)
print(stacked_tensor.size())  # 输出: torch.Size([2, 2, 3])
​
# 在维度 1 进行堆叠
stacked_tensor = torch.stack((tensor1, tensor2), dim=1)
print(stacked_tensor.size())  # 输出: torch.Size([2, 2, 3])

与 cat() 不同，stack() 会增加一个新的维度。

3. torch.chunk()

torch.chunk() 将张量按指定的数量切分成多个张量。

tensor = torch.randn(4, 6)  # 形状为 (4, 6)
​
# 将张量沿着第 1 维切分成 2 份
chunks = torch.chunk(tensor, 2, dim=1)
for chunk in chunks:
   print(chunk.size())  # 输出两个 (4, 3) 的张量

4. torch.split()

torch.split() 按照指定的大小切分张量。

tensor = torch.randn(4, 6)
​
# 将张量沿着第 1 维，按照每块大小为 2 切分
splits = torch.split(tensor, 2, dim=1)
for split in splits:
   print(split.size())  # 输出三个 (4, 2) 的张量

5. torch.hstack() 和 torch.vstack()

这些函数分别是 torch.cat() 在水平方向（列方向）和垂直方向（行方向）的简便形式。

# 水平堆叠
hstacked_tensor = torch.hstack((tensor1, tensor2))
print(hstacked_tensor.size())  # 输出: torch.Size([2, 6])
​
# 垂直堆叠
vstacked_tensor = torch.vstack((tensor1, tensor2))
print(vstacked_tensor.size())  # 输出: torch.Size([4, 3])

总结：

• torch.cat()：沿某一维度拼接张量。

• torch.stack()：在新维度上堆叠张量。

• torch.chunk()：按指定份数拆分张量。

• torch.split()：按指定大小拆分张量。

• torch.hstack() / torch.vstack()：简便的横向和纵向拼接方法。

根据不同的场景选择合适的拼接或拆分方式。

torch.cat(), torch.stack(), torch.hstack(), torch.vstack() 等函数都可以用于拼接多个张量。它们的功能稍有不同，主要是在拼接的方式和增加新维度上有所差别：

1. torch.cat(): 沿着现有维度拼接多个张量，不会增加新的维度。

   • 适合需要在某个维度上连接多个张量的情况。

2. torch.stack(): 在指定的维度上增加一个新维度，然后堆叠张量。

   • 适合需要在新维度上堆叠多个张量的情况。

3. torch.hstack() : 沿水平方向（列方向）拼接多个张量，本质上是 torch.cat() 在 dim=1 的简写。

   • 适合将张量沿列方向拼接。

4. torch.vstack() : 沿垂直方向（行方向）拼接多个张量，本质上是 torch.cat() 在 dim=0 的简写。

   • 适合将张量沿行方向拼接。

这些函数都可以用于拼接多个张量，不过需要注意的是，拼接时要确保除拼接维度以外，其他维度大小相同。例如，使用 torch.cat() 沿维度 0 拼接时，所有张量的列数需要相同。