张量拼接操作

一.前言

本章节来介绍一下张量拼接的操作,掌握torch.cat torch.stack使⽤,张量的拼接操作在神经⽹络搭建过程中是⾮常常⽤的⽅法,例如: 在后⾯将要学习到的残差⽹络、注意⼒机 制中都使⽤到了张量拼接。

二.torch.cat 函数的使用

torch.cat 函数可以将两个张量根据指定的维度拼接起来.

import torchdef test():data1 = torch.randint(0, 10, [3, 5, 4])data2 = torch.randint(0, 10, [3, 5, 4])print(data1)print(data2)print('-' * 50)# 1. 按0维度拼接new_data = torch.cat([data1, data2], dim=0)print(new_data.shape)print('-' * 50)# 2. 按1维度拼接new_data = torch.cat([data1, data2], dim=1)print(new_data.shape)print('-' * 50)# 3. 按2维度拼接new_data = torch.cat([data1, data2], dim=2)print(new_data.shape)if __name__ == '__main__':test()

结果展示:

tensor([[[6, 7, 2, 6],
[4, 6, 4, 3],
[5, 3, 4, 9],
[8, 8, 6, 7],
[0, 3, 3, 0]],

        [[6, 1, 2, 0],
[5, 6, 7, 0],
[6, 4, 8, 0],
[2, 2, 8, 3],
[0, 1, 6, 8]],

        [[3, 5, 0, 8],
[6, 2, 1, 7],
[8, 9, 9, 8],
[3, 8, 8, 0],
[5, 8, 4, 4]]])
tensor([[[7, 2, 2, 1],
[8, 0, 6, 6],
[9, 0, 6, 5],
[1, 3, 7, 7],
[7, 0, 5, 1]],

        [[0, 7, 3, 1],
[9, 2, 9, 0],
[9, 6, 2, 1],
[9, 3, 5, 0],
[8, 8, 6, 2]],

        [[1, 8, 9, 9],
[4, 3, 0, 9],
[7, 3, 3, 8],
[2, 4, 6, 9],
[2, 1, 0, 5]]])
--------------------------------------------------
torch.Size([6, 5, 4])
--------------------------------------------------
torch.Size([3, 10, 4])
--------------------------------------------------
torch.Size([3, 5, 8])

 

三.torch.stack 函数的使用

torch.stack 函数可以将两个张量根据指定的维度叠加起来.

import torchdef test():data1 = torch.randint(0, 10, [2, 3])data2 = torch.randint(0, 10, [2, 3])print(data1)print(data2)print("="*50)new_data = torch.stack([data1, data2], dim=0)print(new_data.shape)print(new_data)print("=" * 50)new_data = torch.stack([data1, data2], dim=1)print(new_data.shape)print(new_data)print("=" * 50)new_data = torch.stack([data1, data2], dim=2)print(new_data.shape)print(new_data)if __name__ == '__main__':test()

 结果展示:

tensor([[6, 9, 6],
[3, 2, 7]])
tensor([[3, 3, 4],
[9, 1, 4]])
==================================================
torch.Size([2, 2, 3])
tensor([[[6, 9, 6],
[3, 2, 7]],

        [[3, 3, 4],
[9, 1, 4]]])
==================================================
torch.Size([2, 2, 3])
tensor([[[6, 9, 6],
[3, 3, 4]],

        [[3, 2, 7],
[9, 1, 4]]])
==================================================
torch.Size([2, 3, 2])
tensor([[[6, 3],
[9, 3],
[6, 4]],

        [[3, 9],
[2, 1],
[7, 4]]])

这里十分的不好理解,大家拷贝完代码自己执行理解一下。

四.总结 

张量的拼接操作也是在后⾯我们经常使⽤⼀种操作。cat 函数可以将张量按照指定的维度拼接起来,stack 函数可以将张量按照指定的维度叠加起来。 

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/web/88679.shtml
繁体地址,请注明出处:http://hk.pswp.cn/web/88679.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Dify 连接本地 SpringAI MCP Server

Dify 连接本地 SpringAI MCP server 连接 MCP server 的方式大致有两种,一种是基于 stdio,一种是基于 sse,如果对于稳定和性能好的方案的话,sse 要比 stdio 好的多,所以本文采用的是基于 sse 和 Spring AI 部署本地 MC…

基于 Python 的数据分析技术综述

先说一点个人的看法“”MDX、OLAP(Mondrian)技术更适合构建面向业务用户的标准化分析产品,尤其当产品需要满足以下特点时:分析维度固定(如时间、区域、产品类别);需支持高并发查询(如…

Live555-RTSP服务器

RTSP Server创建 RTSP服务器初始化: RTSPServer::createNew->new RTSPServer::RTSPServer->GenericMediaServer::GenericMediaServer->turnOnBackgroundReadHandling(IPV4sock/IPV6sock,incomingConnectionHandlerIPv4)如上流程,创建RTSP服务器…

Redis Stack扩展功能

Redis JSONRedisJSON是Redis的一个扩展模块,它提供了对JSON数据的原生支持。常用操作:-- 设置一个JSON数据JSON.SET user $ {"name":"loulan","age":18}## key是user,value就是一个JSON数据。其中$表示JSON数据…

Takebishi旗下智能硬件网关产品devicegateway详细介绍

一、产品概述 DeviceGateway是由日本Takebishi公司研发的一款专业工业物联网(IIoT)硬件网关产品,专为实现现场工业设备与云端平台、IT系统之间的高效、安全数据传输而设计。作为一款可靠的硬件网关,DeviceGateway具有即插即用、稳…

单向链表反转 如何实现

单向链表反转的实现方法 ​ https://www.zhihu.com/question/441865393/answer/3208578798 ​ 单向链表反转是数据结构中的经典问题,在面试和实际开发中经常遇到。以下是 多种实现方式(包括递归和迭代),以 Go 语言为例。1. 单向链…

php+vue+Laravel音乐媒体播放及周边产品运营平台-nodejs-计算机毕业设计

目录具体实现截图课程项目技术路线开发技术介绍设计思路流程PHP核心代码部分展示详细视频演示/源码获取##项目介绍网络技术的广泛应用显著地推动了生活服务的信息化进程。结合音乐流媒体与周边产品的运营需求,构建一套音乐媒体播放及周边产品运营平台,成…

Python爬虫实战:研究xlwt 和 xlrd 库相关技术

1. 引言 1.1 研究背景与意义 随着电子商务的快速发展,电商平台积累了海量的商品数据。如何从这些数据中提取有价值的信息,为商家提供决策支持,成为电商领域的重要研究方向。传统人工采集和分析数据的方式效率低下,且容易出现错误。自动化数据采集与分析系统能够通过爬虫技…

【QGC】深入解析 QGC 配置管理

引言 在软件开发中,配置管理是一项至关重要的任务,它能帮助我们灵活地管理应用程序的各种参数和设置。QGroundControl(QGC)作为一款强大的开源无人机地面站软件,其配置管理系统设计精巧,值得我们深入学习。…

ChatGPT,从规则到强化学习

要了解 ChatGPT(Chat Generative Pre-training Transformer),我们不得不先看看 NLP 自然语言处理(Natural Language Processing)。因为 ChatGPT 属于 NLP 领域,而 NLP 则又是人工智能的一个分支。 那么什么…

【目标检测之Ultralytics预测框颜色修改】

在 Ultralytics YOLOv8 中修改预测框颜色为红色,以下是三种实用方案:方案 1:直接修改 plot() 方法的 colors 参数 在调用 results.plot() 时直接指定颜色参数: from ultralytics import YOLO# 加载模型 model YOLO("yolov8n…

让 VSCode 调试器像 PyCharm 一样显示 Tensor Shape、变量形状、变量长度、维度信息

文章目录🎯 目标:在 VS Code 调试器中自动显示这些变量信息🔍 原理简介⚠️ 其他方案的局限性❌ 方案一:重写 __repr__❌ 方案二:向 debugpy 注册自定义变量显示器(StrPresentationProvider)✅ …

pip国内镜像源一览

以下是2025年主流pip国内镜像源完整清单及配置指南,综合多个权威来源整理的最新数据:一、核心镜像源推荐(2025年稳定可用)‌阿里云镜像‌https://mirrors.aliyun.com/pypi/simple/优势:依托阿里云CDN,全国平…

当大模型遇见毫米波:用Wi-Fi信号做“透视”的室内语义SLAM实践——从CSI到神经辐射场的端到端开源方案

作者 | Blossom.118 2025-07-12 关键词:CSI-SLAM、神经辐射场、毫米波、Transformer、数字孪生、开源 ---- 1. 为什么要“无摄像头”语义SLAM? • 隐私红线:欧盟GDPR 2024修订版把“摄像头点云”列入高风险生物特征,落地成本高。…

脉冲神经网络膜电位泄漏系数学习:开启时空动态特征提取的新篇章

脉冲神经网络膜电位泄漏系数学习:开启时空动态特征提取的新篇章 摘要 脉冲神经网络(Spiking Neural Networks, SNNs)作为第三代神经网络模型,凭借其事件驱动、高生物逼真度和潜在的超低功耗特性,已成为类脑计算与高效人…

SSRF(ctfshow)

web351-358这部分的题目都是明文的&#xff0c;按照题目要求绕过就行了<?php error_reporting(0); highlight_file(__FILE__); $url$_POST[url]; $xparse_url($url); if($x[scheme]http||$x[scheme]https){ if(!preg_match(/localhost|127\.0\.|\。/i, $url)){ $chcurl_ini…

亚矩阵云手机:重构物流供应链,让跨境包裹“飞”得更快更准

在跨境电商“时效即生命”的竞争中&#xff0c;物流信息滞后、清关效率低下、成本居高不下已成为商家最头疼的“三座大山”。传统模式下&#xff0c;人工更新物流状态耗时易错&#xff0c;跨境包裹常因清关延误遭客户投诉&#xff0c;而高昂的物流成本更直接吞噬利润。亚矩阵云…

HTML(5) 代码规范

HTML(5) 代码规范 引言 HTML(HyperText Markup Language)是一种用于创建网页的标准标记语言。HTML5 作为最新的 HTML 标准,自 2014 年正式发布以来,已经成为了构建现代网页应用的基础。本文将详细介绍 HTML5 代码规范,包括结构、语法、属性以及最佳实践等内容,旨在帮助…

【PTA数据结构 | C语言版】顺序栈的3个操作

本专栏持续输出数据结构题目集&#xff0c;欢迎订阅。 文章目录题目代码题目 请编写程序&#xff0c;将 n1 个整数顺序压入容量为 n 的栈&#xff0c;随后执行 n1 次取顶并出栈的操作。 输入格式&#xff1a; 输入首先在第一行给出正整数 n&#xff08;≤10^4 &#xff09;&a…

使用Pycharm集成开发工具远程调试部署在虚拟机上的flask项目:超级详细的完整指南

本文将详细介绍如何通过PyCharm Professional版远程调试部署在虚拟机(这里以Ubuntu为例)中的Flask项目。这种开发方式特别适合需要在接近生产环境调试的场景。 虚拟机网络配置 这里用到的是VMware的NAT&#xff0c;即网络地址转换模式&#xff0c;要保证你Linux虚拟机的IP&…