当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python PyTorch stack()用法及代码示例


PyTorch torch.stack() 方法沿新维度连接(连接)一系列张量(两个或更多张量)。它插入新的维度并沿该维度连接张量。此方法连接具有相同尺寸和形状的张量。我们还可以使用 torch.cat() 来连接张量，但这里我们讨论 torch.stack() 方法。

用法： torch.stack(tensors, dim=0)

Arguments:

  • 张量：它是具有相同形状和维度的张量序列
  • 暗淡：这是要插入的尺寸。它是 0 到输入张量维数之间的整数。

返回： 它返回沿新维度的串联张量。

让我们借助一些 Python 3 示例来了解 torch.stack() 方法。

示例1：

在下面的 Python 示例中，我们使用 torch.stack() 方法连接两个一维张量。

Python3


# Python 3 program to demonstrate torch.stack() method 
# for two one dimensional tensors 
# importing torch 
import torch 
  
# creating tensors 
x = torch.tensor([1.,3.,6.,10.]) 
y = torch.tensor([2.,7.,9.,13.]) 
  
# printing above created tensors 
print("Tensor x:", x) 
print("Tensor y:", y) 
  
# join above tensor using "torch.stack()" 
print("join tensors:") 
t = torch.stack((x,y)) 
  
# print final tensor after join 
print(t) 
  
print("join tensors dimension 0:") 
t = torch.stack((x,y), dim = 0) 
print(t) 
  
print("join tensors dimension 1:") 
t = torch.stack((x,y), dim = 1) 
print(t)

输出：

Tensor x: tensor([ 1.,  3.,  6., 10.])
Tensor y: tensor([ 2.,  7.,  9., 13.])
join tensors:
tensor([[ 1.,  3.,  6., 10.],
        [ 2.,  7.,  9., 13.]])
join tensors dimension 0:
tensor([[ 1.,  3.,  6., 10.],
        [ 2.,  7.,  9., 13.]])
join tensors dimension 1:
tensor([[ 1.,  2.],
        [ 3.,  7.],
        [ 6.,  9.],
        [10., 13.]])

解释：在上面的代码中，张量 x 和 y 是一维的，每个都有四个元素。最终的级联张量是二维张量。由于维度为 1，我们可以堆叠维度为 0 和 1 的张量。当 dim =0 时，张量会堆叠，增加行数。当dim = 1 时，张量会转置并沿列堆叠。

示例 2：

在下面的 Python 示例中，我们使用 torch.stack() 方法连接两个一维张量。

Python3


# Python 3 program to demonstrate torch.stack() method 
# for two 2D tensors. 
# importing torch 
import torch 
  
# creating tensors 
x = torch.tensor([[1., 3., 6.], [10., 13., 20.]]) 
y = torch.tensor([[2., 7., 9.], [14., 21., 34.]]) 
  
# printing above created tensors 
print("Tensor x:\n", x) 
print("Tensor y:\n", y) 
  
# join above tensor using "torch.stack()" 
print("join tensors") 
t = torch.stack((x, y)) 
  
# print final tensor after join 
print(t) 
  
print("join tensors in dimension 0:") 
t = torch.stack((x, y), 0) 
print(t) 
  
print("join tensors in dimension 1:") 
t = torch.stack((x, y), 1) 
print(t) 
print("join tensors in dimension 2:") 
t = torch.stack((x, y), 2) 
print(t)

输出：

Tensor x:
 tensor([[ 1.,  3.,  6.],
        [10., 13., 20.]])
Tensor y:
 tensor([[ 2.,  7.,  9.],
        [14., 21., 34.]])
join tensors
tensor([[[ 1.,  3.,  6.],
         [10., 13., 20.]],

        [[ 2.,  7.,  9.],
         [14., 21., 34.]]])
join tensors in dimension 0:
tensor([[[ 1.,  3.,  6.],
         [10., 13., 20.]],

        [[ 2.,  7.,  9.],
         [14., 21., 34.]]])
join tensors in dimension 1:
tensor([[[ 1.,  3.,  6.],
         [ 2.,  7.,  9.]],

        [[10., 13., 20.],
         [14., 21., 34.]]])
join tensors in dimension 2:
tensor([[[ 1.,  2.],
         [ 3.,  7.],
         [ 6.,  9.]],

        [[10., 14.],
         [13., 21.],
         [20., 34.]]])

解释：在上面的代码中，x和y是二维张量。请注意，最终张量是 3-D 张量。由于每个输入张量的维度为 2，因此我们可以将维度为 0 和 2 的张量堆叠起来。通过 dim = 0、1 和 2 查看最终输出张量之间的差异。

示例 3：

在此示例中，我们连接两个以上的张量。我们可以连接任意数量的张量。

Python3


# Python 3 program to demonstrate torch.stack() method 
# for three one-dimensional tensors 
# importing torch 
import torch 
  
# creating tensors 
x = torch.tensor([1., 3., 6., 10.]) 
y = torch.tensor([2., 7., 9., 13.]) 
z = torch.tensor([4., 5., 8., 11.]) 
  
# printing above created tensors 
print("Tensor x:", x) 
print("Tensor y:", y) 
print("Tensor z:", z) 
  
# join above tensor using "torch.stack()" 
print("join tensors:") 
t = torch.stack((x, y, z)) 
# print final tensor after join 
print(t) 
  
print("join tensors dimension 0:") 
t = torch.stack((x, y, z), dim=0) 
print(t) 
  
print("join tensors dimension 1:") 
t = torch.stack((x, y, z), dim=1) 
print(t)

输出：

Tensor x: tensor([ 1.,  3.,  6., 10.])
Tensor y: tensor([ 2.,  7.,  9., 13.])
Tensor z: tensor([ 4.,  5.,  8., 11.])
join tensors:
tensor([[ 1.,  3.,  6., 10.],
        [ 2.,  7.,  9., 13.],
        [ 4.,  5.,  8., 11.]])
join tensors dimension 0:
tensor([[ 1.,  3.,  6., 10.],
        [ 2.,  7.,  9., 13.],
        [ 4.,  5.,  8., 11.]])
join tensors dimension 1:
tensor([[ 1.,  2.,  4.],
        [ 3.,  7.,  5.],
        [ 6.,  9.,  8.],
        [10., 13., 11.]])

示例 4：演示错误

在下面的示例中，我们显示了输入张量形状不同时的错误。

Python3


# Python 3 program to demonstrate torch.stack() method 
# for one-dimensional tensors 
# importing torch 
import torch 
  
# creating tensors 
x = torch.tensor([1., 3., 6., 10.]) 
y = torch.tensor([2., 7., 9.]) 
  
# printing above created tensors 
print("Tensor x:", x) 
print("Tensor y:", y) 
  
# join above tensor using "torch.stack()" 
print("join tensors:") 
t = torch.stack((x, y)) 
# print final tensor after join 
print(t) 
  
print("join tensors dimension 0:") 
t = torch.stack((x, y), dim=0) 
print(t) 
  
print("join tensors dimension 1:") 
t = torch.stack((x, y), dim=1) 
print(t)

输出：

Shape of x: torch.Size([4])

Shape of y: torch.Size([3])

RuntimeError: stack expects each tensor to be equal size, but got [4] at entry 0 and [3] at entry 1

请注意，两个张量的形状并不相同。它会引发运行时错误。同样，当张量的维度不同时，会引发运行时错误。自己尝试不同维度的张量，看看输出如何。



相关用法


注：本文由纯净天空筛选整理自shahidedu7大神的英文原创作品 Python PyTorch stack() method。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。