pytorch中的cat、stack、tranpose、permute、unsqeeze

Cat

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。

import torch

torch.manual_seed(1)

x = torch.randn(2,3)

y = torch.randn(1,3)

print(x,y)

结果:

0.6614 0.2669 0.0617

0.6213 -0.4519 -0.1661

[torch.FloatTensor of size 2×3]

-1.5228 0.3817 -1.0276

[torch.FloatTensor of size 1×3]

将两个tensor拼在一起:

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

      结果:

      0.6614 0.2669 0.0617

      0.6213 -0.4519 -0.1661

      -1.5228 0.3817 -1.0276

      [torch.FloatTensor of size 3×3]

      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.rand((1,2))
      b=torch.rand((1,2))

      c=torch.stack((a,b),0)

      c.size()

      结果:

      torch.Size([2, 1, 2])

      换成维度1:

      d=torch.stack((a,b),1)

      d.size()

      结果:

      torch.Size([1, 2, 2])

      transpose ,交换维度

      代码:

      torch.manual_seed(1)

      x = torch.randn(2,3)

      print(x)

      结果:

      0.6614 0.2669 0.0617

      0.6213 -0.4519 -0.1661

      [torch.FloatTensor of size 2×3]

      将x的维度互换:

      x.transpose(0,1)

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

      permute,适合多维数据,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())

      结果:

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

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

      squeeze 和 unsqueeze

      squeeze(dim_n)压缩,即去掉元素数量为1的dim_n维度。同理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])
        
        


              原文作者:pytorch
              原文地址: https://www.cnblogs.com/yifdu25/p/9399047.html
              本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
          点赞