Python 如何使用torch.stack函数
我有一个关于火炬的问题 我有两个张量,a.shape=(2,3,4)和b.shape=(2,3)。Python 如何使用torch.stack函数,python,pytorch,tensor,Python,Pytorch,Tensor,我有一个关于火炬的问题 我有两个张量,a.shape=(2,3,4)和b.shape=(2,3)。 如何在不进行就地操作的情况下堆叠它们?堆叠需要相同数量的尺寸。一种方法是解列并堆叠。例如: a.size() # 2, 3, 4 b.size() # 2, 3 b = torch.unsqueeze(b, dim=2) # 2, 3, 1 # torch.unsqueeze(b, dim=-1) does the same thing torch.stack([a, b], dim=2)
如何在不进行就地操作的情况下堆叠它们?堆叠需要相同数量的尺寸。一种方法是解列并堆叠。例如:
a.size() # 2, 3, 4
b.size() # 2, 3
b = torch.unsqueeze(b, dim=2) # 2, 3, 1
# torch.unsqueeze(b, dim=-1) does the same thing
torch.stack([a, b], dim=2) # 2, 3, 5
>>> t = torch.tensor([1, 1, 2])
>>> stacked = torch.stack([t, t, t], dim=0)
>>> t.shape, stacked.shape, stacked
(torch.Size([3]),
torch.Size([3, 3]),
tensor([[1, 1, 2],
[1, 1, 2],
[1, 1, 2]]))
使用pytorch 1.2或1.4 arjoonn的答案对我不起作用 我在pytorch 1.2和1.4中使用了
torch.cat
,而不是torch.stack
:
>>> import torch
>>> a = torch.randn([2, 3, 4])
>>> b = torch.randn([2, 3])
>>> b = b.unsqueeze(dim=2)
>>> b.shape
torch.Size([2, 3, 1])
>>> torch.cat([a, b], dim=2).shape
torch.Size([2, 3, 5])
如果要使用torch.stack
张量的尺寸必须相同:
>>> a = torch.randn([2, 3, 4])
>>> b = torch.randn([2, 3, 4])
>>> torch.stack([a, b]).shape
torch.Size([2, 2, 3, 4])
下面是另一个例子:
a.size() # 2, 3, 4
b.size() # 2, 3
b = torch.unsqueeze(b, dim=2) # 2, 3, 1
# torch.unsqueeze(b, dim=-1) does the same thing
torch.stack([a, b], dim=2) # 2, 3, 5
>>> t = torch.tensor([1, 1, 2])
>>> stacked = torch.stack([t, t, t], dim=0)
>>> t.shape, stacked.shape, stacked
(torch.Size([3]),
torch.Size([3, 3]),
tensor([[1, 1, 2],
[1, 1, 2],
[1, 1, 2]]))
使用
stack
可以使用dim
参数指定在哪个维度上堆叠维度相等的张量。假设有两个维度相等的张量a,b,即a(a,b,C)so b(a,b,C)
一个例子
a=torch.randn(2,3,4)
b=torch.randn(2,3,4)
print(a.size()) # 2, 3, 4
print(b.size()) # 2, 3, 4
f=torch.stack([a, b], dim=2) # 2, 3, 2, 4
f
如果他们不一样的话,它就不会起作用。小心 您想要的是使用
unsqueze
,就像您所做的那样。创建一个新维度,并且提供的所有张量必须相同大小。对于@drevicko正确提到的torch.stack([a,b],dim=2)
,此答案不正确torch.cat
连接给定维度中的序列,而torch.stack
连接新维度中的序列,如下所述:。此操作不会运行。相反,您将收到“RuntimeError:stack期望每个张量大小相等,但在条目0处得到[2,3,4],在条目1处得到[2,3,1]”