資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究如何在 PyTorch 中連線張量？
我們可以使用 **torch.cat()** 和 **torch.stack()** 連線兩個或多個張量。**torch.cat()** 用於連線兩個或多個張量，而 **torch.stack()** 用於堆疊張量。我們可以在不同的維度上連線張量，例如 0 維度、-1 維度。
**torch.cat()** 和 **torch.stack()** 都用於連線張量。那麼，這兩種方法的基本區別是什麼呢？
**torch.cat()** 沿著現有維度連線一系列張量，因此不會改變張量的維度。
**torch.stack()** 沿著新維度堆疊張量，因此會增加維度。
步驟
匯入所需的庫。在以下所有示例中，所需的 Python 庫為 **torch**。請確保您已安裝它。
建立兩個或多個 PyTorch 張量並列印它們。
使用 **torch.cat()** 或 **torch.stack()** 連線上面建立的張量。提供維度，例如 0、-1，以在特定維度上連線張量。
最後，列印連線或堆疊的張量。
示例 1
# Python program to join tensors in PyTorch
# import necessary library
import torch
# create tensors
T1 = torch.Tensor([1,2,3,4])
T2 = torch.Tensor([0,3,4,1])
T3 = torch.Tensor([4,3,2,5])
# print above created tensors
print("T1:", T1)
print("T2:", T2)
print("T3:", T3)
# join (concatenate) above tensors using torch.cat()
T = torch.cat((T1,T2,T3))
# print final tensor after concatenation
print("T:",T)輸出
執行以上 Python 3 程式碼時，將產生以下輸出
T1: tensor([1., 2., 3., 4.]) T2: tensor([0., 3., 4., 1.]) T3: tensor([4., 3., 2., 5.]) T: tensor([1., 2., 3., 4., 0., 3., 4., 1., 4., 3., 2., 5.])
示例 2
# import necessary library
import torch
# create tensors
T1 = torch.Tensor([[1,2],[3,4]])
T2 = torch.Tensor([[0,3],[4,1]])
T3 = torch.Tensor([[4,3],[2,5]])
# print above created tensors
print("T1:\n", T1)
print("T2:\n", T2)
print("T3:\n", T3)
print("join(concatenate) tensors in the 0 dimension")
T = torch.cat((T1,T2,T3), 0)
print("T:\n", T)
print("join(concatenate) tensors in the -1 dimension")
T = torch.cat((T1,T2,T3), -1)
print("T:\n", T)輸出
執行以上 Python 3 程式碼時，將產生以下輸出
T1: tensor([[1., 2.], [3., 4.]]) T2: tensor([[0., 3.], [4., 1.]]) T3: tensor([[4., 3.], [2., 5.]]) join(concatenate) tensors in the 0 dimension T: tensor([[1., 2.], [3., 4.], [0., 3.], [4., 1.], [4., 3.], [2., 5.]]) join(concatenate) tensors in the -1 dimension T: tensor([[1., 2., 0., 3., 4., 3.], [3., 4., 4., 1., 2., 5.]])
在以上示例中，2D 張量沿 0 和 -1 維度連線。沿 0 維度連線會增加行數，而列數保持不變。
示例 3
# Python program to join tensors in PyTorch
# import necessary library
import torch
# create tensors
T1 = torch.Tensor([1,2,3,4])
T2 = torch.Tensor([0,3,4,1])
T3 = torch.Tensor([4,3,2,5])
# print above created tensors
print("T1:", T1)
print("T2:", T2)
print("T3:", T3)
# join above tensor using "torch.stack()"
print("join(stack) tensors")
T = torch.stack((T1,T2,T3))
# print final tensor after join
print("T:\n",T)
print("join(stack) tensors in the 0 dimension")
T = torch.stack((T1,T2,T3), 0)
print("T:\n", T)
print("join(stack) tensors in the -1 dimension")
T = torch.stack((T1,T2,T3), -1)
print("T:\n", T)輸出
執行以上 Python 3 程式碼時，將產生以下輸出
T1: tensor([1., 2., 3., 4.]) T2: tensor([0., 3., 4., 1.]) T3: tensor([4., 3., 2., 5.]) join(stack) tensors T: tensor([[1., 2., 3., 4.], [0., 3., 4., 1.], [4., 3., 2., 5.]]) join(stack) tensors in the 0 dimension T: tensor([[1., 2., 3., 4.], [0., 3., 4., 1.], [4., 3., 2., 5.]]) join(stack) tensors in the -1 dimension T: tensor([[1., 0., 4.], [2., 3., 3.], [3., 4., 2.], [4., 1., 5.]])
在以上示例中，您可以注意到 1D 張量被堆疊，最終張量為 2D 張量。
示例 4
# import necessary library
import torch
# create tensors
T1 = torch.Tensor([[1,2],[3,4]])
T2 = torch.Tensor([[0,3],[4,1]])
T3 = torch.Tensor([[4,3],[2,5]])
# print above created tensors
print("T1:\n", T1)
print("T2:\n", T2)
print("T3:\n", T3)
print("Join (stack)tensors in the 0 dimension")
T = torch.stack((T1,T2,T3), 0)
print("T:\n", T)
print("Join(stack) tensors in the -1 dimension")
T = torch.stack((T1,T2,T3), -1)
print("T:\n", T)輸出
執行以上 Python 3 程式碼時，將產生以下輸出。
T1: tensor([[1., 2.], [3., 4.]]) T2: tensor([[0., 3.], [4., 1.]]) T3: tensor([[4., 3.], [2., 5.]]) Join (stack)tensors in the 0 dimension T: tensor([[[1., 2.], [3., 4.]], [[0., 3.], [4., 1.]], [[4., 3.], [2., 5.]]]) Join(stack) tensors in the -1 dimension T: tensor([[[1., 0., 4.], [2., 3., 3.]], [[3., 4., 2.], [4., 1., 5.]]])
在以上示例中，您可以注意到 2D 張量被連線（堆疊）以建立 3D 張量。
更新於： 2023年9月14日
32K+ 瀏覽量
廣告