如何在 PyTorch 中使用 `stack()`？

Question

如何使用

torch.stack()

堆叠两个形状为

a.shape = (2, 3, 4)

和

b.shape = (2, 3)

的张量，而不需要就地操作？

Answer 1

堆叠需要相同数量的维度。一种方法是松开并堆叠。例如：

a.size()  # 2, 3, 4
b.size()  # 2, 3
b = torch.unsqueeze(b, dim=2)  # 2, 3, 1
# torch.unsqueeze(b, dim=-1) does the same thing

torch.stack([a, b], dim=2)  # 2, 3, 5

Answer 2

使用 pytorch 1.2 或 1.4 arjoonn 的答案对我不起作用。

我在 pytorch 1.2 和 1.4 中使用了

torch.stack

，而不是

torch.cat

：

>>> import torch
>>> a = torch.randn([2, 3, 4])
>>> b = torch.randn([2, 3])
>>> b = b.unsqueeze(dim=2)
>>> b.shape
torch.Size([2, 3, 1])
>>> torch.cat([a, b], dim=2).shape
torch.Size([2, 3, 5])

如果您想使用

torch.stack

，张量的维度必须相同：

>>> a = torch.randn([2, 3, 4])
>>> b = torch.randn([2, 3, 4])
>>> torch.stack([a, b]).shape
torch.Size([2, 2, 3, 4])

这是另一个例子：

>>> t = torch.tensor([1, 1, 2])
>>> stacked = torch.stack([t, t, t], dim=0)
>>> t.shape, stacked.shape, stacked

(torch.Size([3]),
 torch.Size([3, 3]),
 tensor([[1, 1, 2],
         [1, 1, 2],
         [1, 1, 2]]))

使用

stack

，您可以使用

dim

参数，该参数可让您指定在哪个维度上堆叠具有相同维度的张量。

Answer 3

假设你有两个维度相等的张量 a, b，即 a ( A, B, C) 所以 b (A, B , C) 一个例子

a=torch.randn(2,3,4)
b=torch.randn(2,3,4)
print(a.size())  # 2, 3, 4
print(b.size()) # 2, 3, 4

f=torch.stack([a, b], dim=2)  # 2, 3, 2, 4
f

如果它们不一样暗淡，它就不会起作用。小心！！

Answer 4

使用stack()，不同大小（形状）的一维张量不能如下所示连接。 *张量的大小（形状）必须相同：

import torch

tensor1 = torch.tensor([2, 3, 4]) # The size is [3].
tensor2 = torch.tensor([2, 3]) # The size is [2].

torch.stack(tensors=(tensor1, tensor2)) # Error

运行时错误：堆栈期望每个张量大小相等，但在条目 0 处得到 3，在条目 1 处得到 2

但是使用

cat() 或 concat()，不同大小（形状）的一维张量可以连接起来，如下所示：

*备注：

使用
• cat()

   或 

  concat()

  ，除一维张量外，张量的大小（形状）必须相同。

• concat()

   是 

  cat()

   的别名。

import torch

tensor1 = torch.tensor([2, 3, 4]) # The size is [3].
tensor2 = torch.tensor([2, 3]) # The size is [2].

torch.cat(tensors=(tensor1, tensor2))
torch.concat(tensors=(tensor1, tensor2)) 
# tensor([2, 3, 4, 2, 3])