torch.cat()函数的官方解释，详解以及例子

可以直接看最下面的例子，再回头看前面的解释，就很明白了。

在pytorch中，常见的拼接函数主要是两个，分别是：

1. stack()
2. cat()

一般torch.cat()是为了把多个tensor进行拼接而存在的。实际使用中，和torch.stack()使用场景不同：参考链接torch.stack()，但是本文主要说cat()。

torch.cat() 和python中的内置函数cat()， 在使用和目的上，是没有区别的，区别在于前者操作对象是tensor。

1. cat()

函数目的： 在给定维度上对输入的张量序列seq 进行连接操作。

outputs = torch.cat(inputs, dim=?) → Tensor

参数

• inputs : 待连接的张量序列，可以是任意相同Tensor类型的python 序列
• dim : 选择的扩维, 必须在0到len(inputs[0])之间，沿着此维连接张量序列。

2. 重点

1. 输入数据必须是序列，序列中数据是任意相同的shape的同类型tensor
2. 维度不可以超过输入数据的任一个张量的维度

3.举例子

1. 准备数据，每个的shape都是[2,3]

# x1
x1 = torch.tensor([[11,21,31],[21,31,41]],dtype=torch.int)
x1.shape # torch.Size([2, 3])
# x2
x2 = torch.tensor([[12,22,32],[22,32,42]],dtype=torch.int)
x2.shape  # torch.Size([2, 3])

2. 合成inputs

'inputs为２个形状为[2 , 3]的矩阵 '
inputs = [x1, x2]
print(inputs)
'打印查看'
[tensor([[11, 21, 31],
         [21, 31, 41]], dtype=torch.int32),
 tensor([[12, 22, 32],
         [22, 32, 42]], dtype=torch.int32)]

3.查看结果, 测试不同的dim拼接结果

In    [1]: torch.cat(inputs, dim=0).shape
Out[1]: torch.Size([4,  3])

In    [2]: torch.cat(inputs, dim=1).shape
Out[2]: torch.Size([2, 6])

In    [3]: torch.cat(inputs, dim=2).shape
IndexError: Dimension out of range (expected to be in range of [-2, 1], but got 2)

大家可以复制代码运行一下就会发现其中规律了。

总结

通常用来，把torch.stack得到tensor进行拼接而存在的。