PyTorch常用函數torch.cat()中dim引數使用說明

2023-09-12 18:01:17

Part 1：簡介

在PyTorch中，torch.cat()是一個被廣泛使用的函數。它可以讓我們在某個維度上把多個張量組合在一起。對於那些想要深入瞭解使用PyTorch進行資料分析和建模的開發者來說，理解torch.cat()函數的dim引數是非常重要的。

在PyTorch中，幾乎所有與神經網路有關的操作都涉及到張量（Tensor）操作。因此，在PyTorch中，將多個相同形狀的張量沿某個軸/維度連線起來的過程非常重要。這就是 torch.cat() 函數的作用。torch.cat() 的最基本用法如下：

torch.cat(tensors, dim=0, out=None) -&gt; Tensor

其中tensors表示要拼接的張量列表，dim表示我們希望在哪個維度上連線，預設是0，即在第一維上連線。out是輸出張量，可不傳入，當傳入此引數時其大小必須能容納在cat操作後的輸出tensor中。

Part 2： dim引數的說明

dim引數指示拼接發生的軸或維度。在拼接多個張量時，我們必須指定在哪個維度上拼接它們。dim引數可以是正數、負數或None（預設為0），具體來說，dim引數可以有以下三種常見用法：

正數

最常見的方式是使用正整數來指定要連線的維度/軸的索引值。例如，在將兩個大小為 3x5x7 的張量沿第2個維度拼接在一起時，這些張量變成一個形狀為 3x10x7 的張量。

# 定義兩個大小都為[3, 5, 7]的隨機Tensor
tensor1 = torch.randn(3, 5, 7)
tensor2 = torch.randn(3, 5, 7)
# 在第二維度上（索引1）進行合併 
cat_tensor = torch.cat((tensor1, tensor2), dim=1)
print(cat_tensor.shape) # 輸出: torch.Size([3, 10, 7])

負數

我們也可以使用負整數來表示要連線的軸/維度。當dim引數被設定為負整數時，它代表距離張量最後一個軸的間隔數。例如，將一個大小為3x5x7 和一個大小為3x6x7的張量沿著最後一個維度進行拼接，即 concatenate 第三個維度：

# 定義兩個大小分別為 [3, 5, 7], [3, 6, 7] 的隨機Tensor
tensor1 = torch.randn(3, 5, 7)
tensor2 = torch.randn(3, 6, 7)
# 在最後一個維度上（-1表示）進行合併 
cat_tensor = torch.cat((tensor1, tensor2), dim=-1)
print(cat_tensor.shape) # 輸出: torch.Size([3, 5, 14])

None

如果 dim 引數的值為 None，則會將所有輸入張量沿著前面的維度全部展開。這通常會在神經網路模型中使用，例如線上性層之間堆疊各個特徵向量時。

# 定義兩個大小分別為 [3, 5, 7], [4, 6, 8] 的隨機Tensor
tensor1 = torch.randn(3, 5, 7)
tensor2 = torch.randn(4, 6, 8)
# 將每個張量reshape為1D向量 
resized_t1 = tensor1.view(-1)
resized_t2 = tensor2.view(-1)
# 按行連線兩個1D張量  
cat_tensor = torch.cat((resized_t1, resized_t2), dim=None)
print(cat_tensor.shape) # 輸出: torch.Size([315])

Part 3：總結

torch.cat() 函數是PyTorch非常有用的函數之一，它可以在某個維度上將多個張量組合成一個大張量。理解dim引數的含義和使用方法對於深入學習PyTorch和構建神經網路非常重要。通過在 dim 引數上增加或減少索引來改變連線選定的張量的方式，我們可以讓torch.cat()函數在資料處理、模型設計和深度學習中發揮重要作用。

以上就是PyTorch常用函數torch.cat()中dim引數使用說明的詳細內容，更多關於PyTorch torch.cat() dim的資料請關注it145.com其它相關文章！