PyTorch常用函數torch.cat()中dim參數怎么使用

本文小編為大家詳細介紹“PyTorch常用函數torch.cat()中dim參數怎么使用”，內容詳細，步驟清晰，細節處理妥當，希望這篇“PyTorch常用函數torch.cat()中dim參數怎么使用”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

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。對于那些想要深入了解使用PyTorch進行數據分析和建模的開發者來說，理解torch.cat()函數的dim參數是非常重要的。

在PyTorch中，幾乎所有與神經網絡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/維度連接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) -> 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接，默認是0，即在第一維上連接。out是輸出張量，可不傳入，當傳入此參數時其大小必須能容納在cat操作后的輸出tensor中。

Part 2： dim參數的說明

dim參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參數可以是正數、負數或None（默認為0），具體來說，dim參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接的維度/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）進行合并 
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接的軸/維度。當dim參數被設置為負整數時，它代表距離張量最后一個軸的間隔數。例如，將一個大小為3x5x7 和一個大小為3x6x7的張量沿著最后一個維度進行拼接，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)
# 在最后一個維度上（-1表示）進行合并 
cat_tensor = torch.cat((tensor1, tensor2), dim=-1)
print(cat_tensor.shape) # 輸出: torch.Size([3, 5, 14])

None

如果 dim 參數的值為 None，則會將所有輸入張量沿著前面的維度全部展開。這通常會在神經網絡模型中使用，例如在線性層之間堆疊各個特征向量時。

# 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)
# 按行連接兩個1D張量  
cat_tensor = torch.cat((resized_t1, resized_t2), dim=None)
print(cat_tensor.shape) # 輸出: torch.Size([315])

讀到這里，這篇“PyTorch常用函數torch.cat()中dim參數怎么使用”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。