《神经网络与PyTorch实战》——3.3.3　张量的扩展和拼接

3.3.3　张量的扩展和拼接

　　本节介绍如何扩展张量，或将多个张量拼接成1个张量，会涉及torch.Tensor类的成员方法repeat()、函数torch.repeat()?和函数torch.cat()。

　　torch.Tensor类的成员方法repeat() 可以将张量的内容进行重复，使得张量的大小变大。对于大小为的张量，在使用成员方法repeat() 并给定参数时，可以得到大小为的张量，张量的元素就是将原来张量的元素复制份。

　　例如，在代码清单3-9中，首先构造了一个大小为 (1, 2) 的张量t12。接着通过t12.repeat() 得到大小为 (3, 4) 的张量t34。

代码清单3-9　使用repeat()?函数扩大张量

     t12 = torch.tensor([[5., -9.],])

     print('t12 = {}'.format(t12))

     t34 = t12.repeat(3, 2)

     print('t34 = {}'.format(t34))

　　torch.cat() 函数可以将多个张量拼接成1个张量。torch.cat() 函数有两个参数。第1个是一个张量的列表或是元组，这个函数就是要将这个列表或是元组里面的所有张量拼接起来。第2个参数指示要将这些张量在哪个维度拼接起来。如果要将这些张量在第维拼接起来，那么被拼接的张量的大小需要满足下列条件：

* 所有张量的维度都完全相同，并且大于。拼接得到的张量的维度也就是其中任意一个张量的维度。

* 所有张量的大小只在第维可能不相同，在其他维都相同。拼接得到的张量在第维以外的维度保持不变，在第维的大小是各张量第维大小之和。

　　代码清单3-10给出了用torch.cat() 函数拼接多个张量的例子。

代码清单3-10　使用torch.cat() 函数拼接多个张量

     tp = torch.arange(12).reshape(3, 4)

     tn = -tp

     tc0 = torch.cat([tp, tn], 0)

     print('tc0 = {}'.format(tc0))

     tc1 = torch.cat([tp, tp, tn, tn], 1)

     print('tc1 = {}'.format(tc1))

　　拼接张量的另一种方法是使用torch.stack() 函数。这个函数同样有张量列表（或元组）和维度两个参数。torch.stack() 函数与torch.cat() 函数的不同之处在于，torch.stack() 函数要求输入张量的大小完全相同，得到的张量的维度会比输入的张量的大小多1，并且多出的那个维度就是拼接的维度，那个维度上的大小就是输入张量的个数。代码清单3-11给出了使用torch.stack() 拼接张量的例子。

代码清单3-11　使用torch.stack() 拼接张量

     tp = torch.arange(12).reshape(3, 4)

     tn = -tp

     ts0 = torch.stack([tp, tn], 0)

     print('ts0 = {}'.format(ts0))

     ts1 = torch.stack([tp, tp, tn, tn], 1)

     print('ts1 = {}'.format(ts1))