cat 连接

对数据沿着某一维度进行拼接。cat后数据的总维数不变。
比如下面代码对两个2维tensor（分别为2*3,1*3）进行拼接，拼接完后变为3*3还是2维的tensor。
代码如下：

import torch
torch.manual_seed(1)
x = torch.randn(2,3)
y = torch.randn(1,3)
print(x,y)

  
  
   1
   
2
   
3
   
4
   
5

结果：

0.6614  0.2669  0.0617
 0.6213 -0.4519 -0.1661
[torch.FloatTensor of size 2x3]
-1.5228  0.3817 -1.0276
[torch.FloatTensor of size 1x3]

  
  
   1
   
2
   
3
   
4
   
5
   
6

将两个tensor拼在一起：

torch.cat((x,y),0)

  
  
   1

结果：

 0.6614  0.2669  0.0617
 0.6213 -0.4519 -0.1661
-1.5228  0.3817 -1.0276
[torch.FloatTensor of size 3x3]

  
  
   1
   
2
   
3
   
4

更灵活的拼法：

torch.manual_seed(1)
x = torch.randn(2,3)
print(x)
print(torch.cat((x,x),0))
print(torch.cat((x,x),1))

  
  
   1
   
2
   
3
   
4
   
5

结果

// x
0.6614  0.2669  0.0617
 0.6213 -0.4519 -0.1661
[torch.FloatTensor of size 2x3]
// torch.cat((x,x),0)
 0.6614  0.2669  0.0617
 0.6213 -0.4519 -0.1661
 0.6614  0.2669  0.0617
 0.6213 -0.4519 -0.1661
[torch.FloatTensor of size 4x3]
// torch.cat((x,x),1)
 0.6614  0.2669  0.0617  0.6614  0.2669  0.0617
 0.6213 -0.4519 -0.1661  0.6213 -0.4519 -0.1661
[torch.FloatTensor of size 2x6]

  
  
   1
   
2
   
3
   
4
   
5
   
6
   
7
   
8
   
9
   
10
   
11
   
12
   
13
   
14
   
15
   
16

stack，增加新的维度进行堆叠

而stack则会增加新的维度。
如对两个1*2维的tensor在第0个维度上stack，则会变为2*1*2的tensor；在第1个维度上stack，则会变为1*2*2的tensor。
见代码：

a = torch.ones([1,2])
b = torch.ones([1,2])
c= torch.stack([a,b],0) // 第0个维度stack

  
  
   1
   
2
   
3

输出：

(0 ,.,.) = 
  1  1
(1 ,.,.) = 
  1  1
[torch.FloatTensor of size 2x1x2]

  
  
   1
   
2
   
3
   
4
   
5
   
6

c= torch.stack([a,b],1) // 第1个维度stack

  
  
   1

输出：

(0 ,.,.) = 
  1  1
  1  1
[torch.FloatTensor of size 1x2x2]

  
  
   1
   
2
   
3
   
4

transpose ，两个维度互换

代码如下：

torch.manual_seed(1)
x = torch.randn(2,3)
print(x)

  
  
   1
   
2
   
3

原来x的结果：

 0.6614  0.2669  0.0617
 0.6213 -0.4519 -0.1661
[torch.FloatTensor of size 2x3]

  
  
   1
   
2
   
3

将x的维度互换

x.transpose(0,1)

  
  
   1

结果

0.6614  0.6213
 0.2669 -0.4519
 0.0617 -0.1661
[torch.FloatTensor of size 3x2]

  
  
   1
   
2
   
3
   
4

permute，多个维度互换，更灵活的transpose

permute是更灵活的transpose，可以灵活的对原数据的维度进行调换，而数据本身不变。
代码如下：

x = torch.randn(2,3,4)
print(x.size())
x_p = x.permute(1,0,2) # 将原来第1维变为0维，同理，0→1,2→2
print(x_p.size())

  
  
   1
   
2
   
3
   
4

结果：

torch.Size([2, 3, 4])
torch.Size([3, 2, 4])

  
  
   1
   
2

squeeze 和 unsqueeze

常用来增加或减少维度,如没有batch维度时，增加batch维度为1。

squeeze(dim_n)压缩，减少dim_n维度，即去掉元素数量为1的dim_n维度。
unsqueeze(dim_n)，增加dim_n维度，元素数量为1。

上代码：

# 定义张量
import torch
b = torch.Tensor(2,1)
b.shape
Out[28]: torch.Size([2, 1])
#不加参数，去掉所有为元素个数为1的维度
b_ = b.squeeze()
b_.shape
Out[30]: torch.Size([2])
#加上参数，去掉第一维的元素为1，不起作用，因为第一维有2个元素
b_ = b.squeeze(0)
b_.shape 
Out[32]: torch.Size([2, 1])
#这样就可以了
b_ = b.squeeze(1)
b_.shape
Out[34]: torch.Size([2])
#增加一个维度
b_ = b.unsqueeze(2)
b_.shape
Out[36]: torch.Size([2, 1, 1])

  
  
   1
   
2
   
3
   
4
   
5
   
6
   
7
   
8
   
9
   
10
   
11
   
12
   
13
   
14
   
15
   
16
   
17
   
18
   
19
   
20
   
21
   
22
   
23
   
24
   
25
   
26

pytorch中的cat、stack、tranpose、permute、unsqeeze

cat 连接

stack，增加新的维度进行堆叠

transpose ，两个维度互换

permute，多个维度互换，更灵活的transpose

squeeze 和 unsqueeze