[work] pytorch中的cat、stack、tranpose、permute、unsqeeze

忘是亡心i 2022-04-13 03:47 202阅读 0赞

# **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
> 
> \[torch.FloatTensor of size 2x3\]
> 
> \-1.5228 0.3817 -1.0276
> 
> \[torch.FloatTensor of size 1x3\]

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
> 
> \[torch.FloatTensor of size 3x3\]

# **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
> 
> \[torch.FloatTensor of size 2x3\]

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])