Pytorch常用函数解析（一） Tensor 拼接

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/TH_NUM/article/details/81979346

torch模块下的数学操作符

1 . torch.numel() 返回一个tensor变量内所有元素个数，可以理解为矩阵内元素的个数

2 . torch.squeeze() 对于tensor变量进行维度压缩，去除维数为1的的维度。例如一矩阵维度为A*1*B*C*1*D，通过squeeze()返回向量的维度为A*B*C*D。squeeze(a)，表示将a的维数位1的维度删掉，squeeze(a,N)表示，如果第N维维数为1，则压缩去掉，否则a矩阵不变

3 . torch.unsqueeze() 是squeeze()的反向操作，增加一个维度，该维度维数为1，可以指定添加的维度。例如unsqueeze(a,1)表示在1这个维度进行添加

4 . torch.stack(sequence, dim=0, out=None)，做tensor的拼接。sequence表示Tensor列表，dim表示拼接的维度，注意这个函数和concatenate是不同的，torch的concatenate函数是torch.cat，是在已有的维度上拼接，而stack是建立一个新的维度，然后再在该纬度上进行拼接。
例子：

import  torch

a=torch.Tensor([[1,2,3],[4,5,6]])
b=torch.Tensor([[7,8,9],[10,11,12]])
d=torch.stack( (a,b) ,dim = 1)

print(d)

输出：

tensor([[[  1.,   2.,   3.],
         [  7.,   8.,   9.]],

        [[  4.,   5.,   6.],
         [ 10.,  11.,  12.]]])

5 . expand_as(a)这是tensor变量的一个内置方法，如果使用b.expand_as(a)就是将b进行扩充，扩充到a的维度，需要说明的是a的低维度需要比b大，例如b的shape是3*1，如果a的shape是3*2不会出错，但是是2*2就会报错了