函数功能
沿一个新维度对输入一系列张量进行连接,序列中所有张量应为相同形状,stack 函数返回的结果会新增一个维度。也即是把多个2维的张量凑成一个3维的张量;多个3维的凑成一个4维的张量…以此类推,也就是在增加新的维度上面进行堆叠。
参数列表
tensors :为一系列输入张量,类型为turple和List
dim :新增维度的(下标)位置,当dim = -1时默认最后一个维度;范围必须介于 0 到输入张量的维数之间,默认是dim=0,在第0维进行连接
返回值:输出新增维度后的张量
情况一:输入数据为1维数据
dim = 0 : 在第0维进行连接,相当于在行上进行组合(输入张量为一维,输出张量为两维)
import torcha = torch.tensor([1, 2, 3])b = torch.tensor([11, 22, 33])#在第0维进行连接,相当于在行上进行组合,取a的一行,b的一行,构成一个新的tensor(输入张量为一维,输出张量为两维)c = torch.stack([a, b],dim=0) print(a)print(b)print(c.size())print(c)输出:
tensor([1, 2, 3])
tensor([11, 22, 33])
torch.Size([2, 3])
tensor([[ 1, 2, 3],[11, 22, 33]])
dim = 1 :在第1维进行连接,相当于在对应行上面对列元素进行组合(输入张量为一维,输出张量为两维)
import torcha = torch.tensor([1, 2, 3])b = torch.tensor([11, 22, 33])print(a)print(b)#在第1维进行连接,相当于在对应行上面对列元素进行组合,取a的一列,b的一列,构成新的tensor的一行(输入张量为一维,输出张量为两维)c = torch.stack([a, b],dim=1)print(c.size())print(c)输出:
tensor([1, 2, 3])
tensor([11, 22, 33])
torch.Size([3, 2])
tensor([[ 1, 11],[ 2, 22],[ 3, 33]])
情况二:输入数据为2维数据
dim=0:表示在第0维进行连接,相当于在通道维度上进行组合(输入张量为两维,输出张量为三维),注意:此处输入张量维度为二维,因此dim最大只能为2。
import torcha = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])b = torch.tensor([[11, 22, 33], [44, 55, 66], [77, 88, 99]])print(a)print(b)
#在第0维进行连接,相当于在通道维度上进行组合
#即取a的所有数据,作为新tensor的一个分量
#取b的所有数据,作为新tensor的另一个分量
#(输入张量为两维,输出张量为三维)c = torch.stack([a, b],dim=0)print(c.size())print(c)输出:
tensor([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
tensor([[11, 22, 33],[44, 55, 66],[77, 88, 99]])
torch.Size([2, 3, 3])
tensor([[[ 1, 2, 3],[ 4, 5, 6],[ 7, 8, 9]],[[11, 22, 33],[44, 55, 66],[77, 88, 99]]])
dim=1:表示在第1维进行连接,相当于对相应通道中每个行进行组合,注意:此处输入张量维度为二维,因此dim最大只能为2。
import torcha = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])b = torch.tensor([[11, 22, 33], [44, 55, 66], [77, 88, 99]])print(a)print(b)#在第1维(行)进行连接,相当于对相应通道中每个行进行组合
#取a的一行,b的一行,作为新tensor的第1行和第2行
#原来a:3*3,b:3*3,新tensor:3*2*3c = torch.stack([a, b], 1)print(c.size())print(c)输出:
tensor([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
tensor([[11, 22, 33],[44, 55, 66],[77, 88, 99]])
torch.Size([3, 2, 3])
tensor([[[ 1, 2, 3],[11, 22, 33]],[[ 4, 5, 6],[44, 55, 66]],[[ 7, 8, 9],[77, 88, 99]]])
dim=2:表示在第2维进行连接,相当于对相应行中每个列元素进行组合,注意:此处输入张量维度为二维,因此dim最大只能为2。
import torcha = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])b = torch.tensor([[11, 22, 33], [44, 55, 66], [77, 88, 99]])print(a)print(b)#在第2维进行连接,相当于对相应行中每个列元素进行组合
#针对每行,取a、b的第一列数据,构成tensor的第一行
#针对每行,取a、b的第二列数据,构成tensor的第二行
#,针对每行取a、b的第三列数据,构成tensor的第三行
#原来a:3*3,b:3*3,新tensor:3*3*2
c = torch.stack([a, b], 2)print(c.size())print(c)输出:
tensor([[1, 2, 3],[4, 5, 6],[7, 8, 9]])
tensor([[11, 22, 33],[44, 55, 66],[77, 88, 99]])
torch.Size([3, 3, 2])
tensor([[[ 1, 11],[ 2, 22],[ 3, 33]],[[ 4, 44],[ 5, 55],[ 6, 66]],[[ 7, 77],[ 8, 88],[ 9, 99]]])
情况三:输入数据为3维数据
dim=0:表示在第0维进行连接,相当于在通道维进行拼接。注意:此处输入张量维度为三维,因此dim最大只能为3。
import torcha = 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]]])print(a)print(b)#表示在第0维进行连接,取整个a作为新tensor的一个分量,取整个b作为新tensor的一个分量
c = torch.stack([a, b], 0)print(c)输出:
tensor([[[ 1, 2, 3],[ 4, 5, 6],[ 7, 8, 9]],[[10, 20, 30],[40, 50, 60],[70, 80, 90]]])
torch.Size([2, 3, 3])
tensor([[[ 11, 22, 33],[ 44, 55, 66],[ 77, 88, 99]],[[110, 220, 330],[440, 550, 660],[770, 880, 990]]])
torch.Size([2, 3, 3])
torch.Size([2, 2, 3, 3])
tensor([[[[ 1, 2, 3],[ 4, 5, 6],[ 7, 8, 9]],[[ 10, 20, 30],[ 40, 50, 60],[ 70, 80, 90]]],[[[ 11, 22, 33],[ 44, 55, 66],[ 77, 88, 99]],[[110, 220, 330],[440, 550, 660],[770, 880, 990]]]])
dim=1:表示在第1维进行连接,取各自的第1维度数据,进行拼接。注意:此处输入张量维度为三维,因此dim最大只能为3。
import torcha = 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]]])print(a)
print(a.size())print(b)
print(b.size())#表示在第1维进行连接,取a的第一维数据[[1, 2, 3], [4, 5, 6], [7, 8, 9]]
#取b的第一维数据[[11, 22, 33], [44, 55, 66], [77, 88, 99]]作为新tensor的一个分量#取a的第一维数据[[10, 20, 30], [40, 50, 60], [70, 80, 90]]
#取b的第一维数据[[110, 220, 330], [440, 550, 660], [770, 880, 990]]作为新tensor的另一个分量
c = torch.stack([a, b], 1)print(c.size())print(c)输出:
tensor([[[ 1, 2, 3],[ 4, 5, 6],[ 7, 8, 9]],[[10, 20, 30],[40, 50, 60],[70, 80, 90]]])
torch.Size([2, 3, 3])
tensor([[[ 11, 22, 33],[ 44, 55, 66],[ 77, 88, 99]],[[110, 220, 330],[440, 550, 660],[770, 880, 990]]])
torch.Size([2, 3, 3])
torch.Size([2, 2, 3, 3])
tensor([[[[ 1, 2, 3],[ 4, 5, 6],[ 7, 8, 9]],[[ 11, 22, 33],[ 44, 55, 66],[ 77, 88, 99]]],[[[ 10, 20, 30],[ 40, 50, 60],[ 70, 80, 90]],[[110, 220, 330],[440, 550, 660],[770, 880, 990]]]])
dim=2:表示在第2维进行连接,取各自的第2维度数据,进行拼接。注意:此处输入张量维度为三维,因此dim最大只能为3。
import torcha = 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]]])print(a)
print(a.size())print(b)
print(b.size())#表示在第1维进行连接,取a的第2维数据[1, 2, 3]
#取b的第2维数据[11, 22, 33]作为新tensor的一个分量#取a的第2维数据[4, 5, 6]
#取b的第2维数据[44, 55, 66]作为新tensor的一个分量#取a的第2维数据[4, 5, 6]
#取b的第2维数据[44, 55, 66]作为新tensor的一个分量#取a的第2维数据[7, 8, 9]
#取b的第2维数据[77, 88, 99]作为新tensor的一个分量#取a的第2维数据[10, 20, 30]
#取b的第2维数据[110, 220, 330]作为新tensor的一个分量#取a的第2维数据[40, 50, 60]
#取b的第2维数据[440, 550, 660]作为新tensor的一个分量#取a的第2维数据[70, 80, 90]
#取b的第2维数据[770, 880, 990]作为新tensor的一个分量
c = torch.stack([a, b], 2)
print(c.size())print(c)输出:
tensor([[[ 1, 2, 3],[ 4, 5, 6],[ 7, 8, 9]],[[10, 20, 30],[40, 50, 60],[70, 80, 90]]])
torch.Size([2, 3, 3])
tensor([[[ 11, 22, 33],[ 44, 55, 66],[ 77, 88, 99]],[[110, 220, 330],[440, 550, 660],[770, 880, 990]]])
torch.Size([2, 3, 3])
torch.Size([2, 3, 2, 3])
tensor([[[[ 1, 2, 3],[ 11, 22, 33]],[[ 4, 5, 6],[ 44, 55, 66]],[[ 7, 8, 9],[ 77, 88, 99]]],[[[ 10, 20, 30],[110, 220, 330]],[[ 40, 50, 60],[440, 550, 660]],[[ 70, 80, 90],[770, 880, 990]]]])
dim=3:表示在第3维进行连接,取各自的第3维度数据,进行拼接。注意:此处输入张量维度为三维,因此dim最大只能为3。
import torcha = 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]]])print(a)
print(a.size())print(b)
print(b.size())#针对第二维数据,在每个第二维度相同的情况下,取各自的列数据,构成新tensor的一行
c = torch.stack([a, b], 3)
print(c.size())print(c)输出:
tensor([[[ 1, 2, 3],[ 4, 5, 6],[ 7, 8, 9]],[[10, 20, 30],[40, 50, 60],[70, 80, 90]]])
torch.Size([2, 3, 3])
tensor([[[ 11, 22, 33],[ 44, 55, 66],[ 77, 88, 99]],[[110, 220, 330],[440, 550, 660],[770, 880, 990]]])
torch.Size([2, 3, 3])
torch.Size([2, 3, 3, 2])
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]]]])
总结:m个序列数据,在某个维度k进行拼接,该维度大小为n,则拼接后形成了*n*m*大小,具体拼接过程是取m个序列数据,k-1维(设k-1维大小为x,从x=1开始取)相同情况下的第1个数据,构成新tensor的一个行;第二个数据...,第三个数据...构成tensor的新行;然后从x=2开始执行同样的操作