Cat

對數據沿著某一維度進行拼接。cat後數據的總維數不變.

比如下面代碼對兩個2維tensor（分別為2*3,1*3）進行拼接，拼接完後變為3*3還是2維的tensor。

import torch

torch.manual_seed(1)

x = torch.randn(2,3)

y = torch.randn(1,3)

print(x,y)

結果：

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]

將兩個tensor拼在一起：

torch.cat((x,y),0)

結果：

0.6614 0.2669 0.0617

0.6213 -0.4519 -0.1661

-1.5228 0.3817 -1.0276

[torch.FloatTensor of size 3x3]

stack，增加新的維度進行堆疊

而stack則會增加新的維度。
如對兩個1*2維的tensor在第0個維度上stack，則會變為2*1*2的tensor；在第1個維度上stack，則會變為1*2*2的tensor。
見代碼：

a=torch.rand((1,2))
b=torch.rand((1,2))

c=torch.stack((a,b),0)

c.size()

結果：

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

換成維度1：

d=torch.stack((a,b),1)

d.size()

結果：

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

transpose ，交換維度

代碼：

torch.manual_seed(1)

x = torch.randn(2,3)

print(x)

結果：

0.6614 0.2669 0.0617

0.6213 -0.4519 -0.1661

[torch.FloatTensor of size 2x3]

將x的維度互換：

x.transpose(0,1)

結果：

0.6614 0.6213 

0.2669 -0.4519 

0.0617 -0.1661

 [torch.FloatTensor of size 3x2]

permute，適合多維數據，更靈活的transpose

permute是更靈活的transpose，可以靈活的對原數據的維度進行調換，而數據本身不變。
代碼如下：

x = torch.randn(2,3,4)

print(x.size())

x_p = x.permute(1,0,2) # 將原來第1維變為0維，同理，0→1,2→2 print(x_p.size())

結果：

torch.Size([2, 3, 4])

torch.Size([3, 2, 4])

squeeze 和 unsqueeze

squeeze(dim_n)壓縮，即去掉元素數量為1的dim_n維度。同理unsqueeze(dim_n)，增加dim_n維度，元素數量為1。

上代碼：

# 定義張量
import torch

b = torch.Tensor(2,1)
b.shape
Out[28]: torch.Size([2, 1])

# 不加參數，去掉所有為元素個數為1的維度
b_ = b.squeeze()
b_.shape
Out[30]: torch.Size([2])

# 加上參數，去掉第一維的元素為1，不起作用，因為第一維有2個元素
b_ = b.squeeze(0)
b_.shape 
Out[32]: torch.Size([2, 1])

# 這樣就可以了
b_ = b.squeeze(1)
b_.shape
Out[34]: torch.Size([2])

# 增加一個維度
b_ = b.unsqueeze(2)
b_.shape
Out[36]: torch.Size([2, 1, 1])

pytorch中的cat、stack、tranpose、permute、unsqeeze