如何使用torch.stack
在不进行原地操作的情况下堆叠两个形状分别为a.shape = (2, 3, 4)
和b.shape = (2, 3)
的张量?
堆叠需要相同数量的维度。一种方法是先使用unsqueeze增加维度,再进行堆叠。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
在使用PyTorch 1.2或1.4时,arjoonn的回答对我没有用。
我使用了PyTorch 1.2和1.4中的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])
torch.stack
,则张量的维度必须相同:>>> a = torch.randn([2, 3, 4])
>>> b = torch.randn([2, 3, 4])
>>> torch.stack([a, b]).shape
torch.Size([2, 2, 3, 4])
>>> 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]]))
stack
函数时,可以通过dim
参数指定在哪个维度上堆叠具有相同维度的张量。假设您有两个张量a、b,它们在维度上相等,即a(A,B,C),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
如果它们的维度不同,IT技术就不会起作用。要小心!!
torch.cat
和unsqueeze
,就像你已经做过的那样。torch.stack
会创建一个新的维度,所有提供的张量都必须具有相同的大小。 - drevickotorch.stack([a, b], dim=2)
是错误的,正确的方法是使用torch.cat([a,b], dim=2)
,就像 @drevicko 所提到的那样。torch.cat
在给定维度上连接序列,而torch.stack
则在一个新维度上堆叠序列,详情请见:https://dev59.com/EVQJ5IYBdhLWcg3wNjO4#54307331 。 - warriorUSP