一. torch.stack（）函數(shù)解析

1. 函數(shù)說明：

1.1 官網(wǎng)：torch.stack()，函數(shù)定義及參數(shù)說明如下圖所示：

1.2 函數(shù)功能

沿一個(gè)新維度對(duì)輸入一系列張量進(jìn)行連接，序列中所有張量應(yīng)為相同形狀，stack 函數(shù)返回的結(jié)果會(huì)新增一個(gè)維度。也即是把多個(gè)2維的張量湊成一個(gè)3維的張量；多個(gè)3維的湊成一個(gè)4維的張量…以此類推，也就是在增加新的維度上面進(jìn)行堆疊。

1.3 參數(shù)列表

• tensors ：為一系列輸入張量，類型為turple和List
• dim ：新增維度的（下標(biāo)）位置，當(dāng)dim = -1時(shí)默認(rèn)最后一個(gè)維度；范圍必須介于 0 到輸入張量的維數(shù)之間，默認(rèn)是dim=0,在第0維進(jìn)行連接
• 返回值：輸出新增維度后的張量

2. 代碼舉例

2.1 dim = 0 : 在第0維進(jìn)行連接，相當(dāng)于在行上進(jìn)行組合(輸入張量為一維，輸出張量為兩維)

import torch
#二維輸入張量a,b
a = torch.tensor([1, 2, 3])
b = torch.tensor([11, 22, 33])
c = torch.stack([a, b],dim=0)#在第0維進(jìn)行連接，相當(dāng)于在行上進(jìn)行組合(輸入張量為一維，輸出張量為兩維)
print(a)
print(b)
print(c)

輸出結(jié)果如下：
tensor([1, 2, 3])
tensor([11, 22, 33])
tensor([[ 1,  2,  3],
        [11, 22, 33]])

2.2 dim = 1 ：在第1維進(jìn)行連接，相當(dāng)于在對(duì)應(yīng)行上面對(duì)列元素進(jìn)行組合(輸入張量為一維，輸出張量為兩維)

import torch
#二維輸入張量a,b
a = torch.tensor([1, 2, 3])
b = torch.tensor([11, 22, 33])
c = torch.stack([a, b],dim=1)#在第1維進(jìn)行連接，相當(dāng)于在對(duì)應(yīng)行上面對(duì)列元素進(jìn)行組合(輸入張量為一維，輸出張量為兩維)
print(a)
print(b)
print(c)

輸出結(jié)果如下：
tensor([1, 2, 3])
tensor([11, 22, 33])
tensor([[ 1, 11],
        [ 2, 22],
        [ 3, 33]])

2.3 dim=0：表示在第0維進(jìn)行連接，相當(dāng)于在通道維度上進(jìn)行組合(輸入張量為兩維，輸出張量為三維)，注意：此處輸入張量維度為二維，因此dim最大只能為2。

import torch
#二維輸入張量a,b
a = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = torch.tensor([[11, 22, 33], [44, 55, 66], [77, 88, 99]])
c = torch.stack([a, b],dim=0)#在第0維進(jìn)行連接，相當(dāng)于在通道維度上進(jìn)行組合(輸入張量為兩維，輸出張量為三維)
print(a)
print(b)
print(c)

輸出結(jié)果如下所示：
tensor([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])
tensor([[11, 22, 33],
        [44, 55, 66],
        [77, 88, 99]])
tensor([[[ 1,  2,  3],
         [ 4,  5,  6],
         [ 7,  8,  9]],

        [[11, 22, 33],
         [44, 55, 66],
         [77, 88, 99]]])

2.4 dim=1：表示在第1維進(jìn)行連接，相當(dāng)于對(duì)相應(yīng)通道中每個(gè)行進(jìn)行組合，注意：此處輸入張量維度為二維，因此dim最大只能為2。

import torch
#二維輸入張量a,b
a = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = torch.tensor([[11, 22, 33], [44, 55, 66], [77, 88, 99]])
c = torch.stack([a, b], 1)#在第1維進(jìn)行連接，相當(dāng)于對(duì)相應(yīng)通道中每個(gè)行進(jìn)行組合
print(a)
print(b)
print(c)

輸出結(jié)果如下所示：
tensor([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])
tensor([[11, 22, 33],
        [44, 55, 66],
        [77, 88, 99]])
tensor([[[ 1,  2,  3],
         [11, 22, 33]],

        [[ 4,  5,  6],
         [44, 55, 66]],

        [[ 7,  8,  9],
         [77, 88, 99]]])

2.5 dim=2：表示在第2維進(jìn)行連接，相當(dāng)于對(duì)相應(yīng)行中每個(gè)列元素進(jìn)行組合，注意：此處輸入張量維度為二維，因此dim最大只能為2。

import torch
#二維輸入張量a,b
a = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = torch.tensor([[11, 22, 33], [44, 55, 66], [77, 88, 99]])
c = torch.stack([a, b], 2)#在第2維進(jìn)行連接，相當(dāng)于對(duì)相應(yīng)行中每個(gè)列元素進(jìn)行組合
print(a)
print(b)
print(c)

輸出結(jié)果如下所示：
tensor([[1, 2, 3],
        [4, 5, 6],
        [7, 8, 9]])
tensor([[11, 22, 33],
        [44, 55, 66],
        [77, 88, 99]])
tensor([[[ 1, 11],
         [ 2, 22],
         [ 3, 33]],

        [[ 4, 44],
         [ 5, 55],
         [ 6, 66]],

        [[ 7, 77],
         [ 8, 88],
         [ 9, 99]]])

2.6 dim=3：表示在第3維進(jìn)行連接，相當(dāng)于對(duì)相應(yīng)行中每個(gè)列元素進(jìn)行組合(輸入維度大小為3維，因此dim=3最后一維始終代表為列)，注意：此處輸入張量維度為三維，因此dim最大只能為3。

import torch
#三維輸入張量a,b
a = torch.tensor([[[1, 2, 3], [4, 5, 6], [7, 8, 9]],[[10, 20, 30], [40, 50, 60], [70, 80, 90]]])
b = torch.tensor([[[11, 22, 33], [44, 55, 66], [77, 88, 99]], [[110, 220, 330], [440, 550, 660], [770, 880, 990]]])
c = torch.stack([a, b], 3)#表示在第3維進(jìn)行連接，相當(dāng)于對(duì)相應(yīng)行中每個(gè)列元素進(jìn)行組合(最后一維是第三維，始終代表為列)
print(a)
print(b)
print(c)

輸出結(jié)果如下所示：
tensor([[[ 1,  2,  3],
         [ 4,  5,  6],
         [ 7,  8,  9]],

        [[10, 20, 30],
         [40, 50, 60],
         [70, 80, 90]]])
tensor([[[ 11,  22,  33],
         [ 44,  55,  66],
         [ 77,  88,  99]],

        [[110, 220, 330],
         [440, 550, 660],
         [770, 880, 990]]])
tensor([[[[  1,  11],
          [  2,  22],
          [  3,  33]],

         [[  4,  44],
          [  5,  55],
          [  6,  66]],

         [[  7,  77],
          [  8,  88],
          [  9,  99]]],

        [[[ 10, 110],
          [ 20, 220],
          [ 30, 330]],

         [[ 40, 440],
          [ 50, 550],
          [ 60, 660]],

         [[ 70, 770],
          [ 80, 880],
          [ 90, 990]]]])

2.7 dim=4 （錯(cuò)誤維度：因?yàn)榇颂庉斎霃埩烤S度為三維，所以dim最大只能為3，此處維度為4，因此會(huì)報(bào)錯(cuò)）

import torch
#三維輸入張量a,b
a = torch.tensor([[[1, 2, 3], [4, 5, 6], [7, 8, 9]],[[10, 20, 30], [40, 50, 60], [70, 80, 90]]])
b = torch.tensor([[[11, 22, 33], [44, 55, 66], [77, 88, 99]], [[110, 220, 330], [440, 550, 660], [770, 880, 990]]])
c = torch.stack([a, b], 4)
print(a)
print(b)
print(c)

輸出錯(cuò)誤：
IndexError: Dimension out of range (expected to be in range of [-4, 3], but got 4)

總結(jié)

到此這篇關(guān)于Pytorch中torch.stack()函數(shù)的文章就介紹到這了,更多相關(guān)Pytorch torch.stack()函數(shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論