pytorch cat,pytorch中cat函数

　　本文主要介绍PyTorch中的torch.cat，包括多维数据结构和基于它的各种数学运算，多维张量数据结构和基于它的各种数学运算。更多信息，请咨询你的朋友。

　　00-1010 1.Toych 2简介。Tensors3.torch.cat

1.toych简单介绍

　　如果torch.is_tensor(obj):obj是pytorch张量，则为真。

　　如果torch.is_storage(obj):对象是pytorch存储对象，则为True。

　　torch.numel(input):返回输入张量中的元素数量。

　　a=torch . one([1，2])

　　b=torch . one([1，2])

　　z=torch.cat([a，b]，1)

　　Out[47]:张量([[1。 1. 1. 1.]])

　　Out[48]:张量([[1。 1.]])

　　如果第二个参数是1，torch.cat就是把A和B放在一起，放在一个torch大小的列中。大小([1，4])。如果第二个参数为0，请按下该行

　　线连在一起，有火炬那么大。大小([2，2])。

　　字面理解：火炬。cat就是把两个张量拼接在一起，cat的意思是concatenate，也就是拼接连接在一起。

　　例子理解：

　　进口火炬

　　A=torch.ones(2，3)

　　#张量([[1。 1. 1.],

　　# [1. 1. 1.]])

　　B=2*torch.ones(4，3)

　　#张量([[2。 2. 2.],

　　# [2. 2. 2.],

　　# [2. 2. 2.]])

　　C=torch.cat((A，B)，0) #按尺寸0缝合(添加到直线上)

　　#张量([[1。 1. 1.],

　　# [1. 1. 1.],

　　# [2. 2. 2.],

　　# [2. 2. 2.]])

　　D=2*torch.ones(2，4)

　　M=torch.cat((A，D)，1) #根据维度1(列)拼接

　　#张量([[1。 1. 1. 2. 2. 2. 2.],

　　# [1. 1. 1. 2. 2. 2. 2.]])

　　M.size()

　　#火炬。大小([2，7])

　　当使用torch.cat((A，B)，dim)时，所有尺寸必须相同，除了拼接尺寸Dim可以不同，以便它们可以对齐。

　　关于PyTorch中torch.cat的这篇文章到此为止。如需了解更多关于torch.cat的信息，请搜索热门IT软件开发工作室之前的文章或继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。