Python PyTorch stack()用法及代碼示例

PyTorch torch.stack() 方法沿新維度連接(連接)一係列張量(兩個或更多張量)。它插入新的維度並沿該維度連接張量。此方法連接具有相同尺寸和形狀的張量。我們還可以使用 torch.cat() 來連接張量，但這裏我們討論 torch.stack() 方法。

用法： torch.stack(tensors, dim=0)

Arguments:

張量：它是具有相同形狀和維度的張量序列
暗淡：這是要插入的尺寸。它是 0 到輸入張量維數之間的整數。

返回： 它返回沿新維度的串聯張量。

讓我們借助一些 Python 3 示例來了解 torch.stack() 方法。

示例1：

在下麵的 Python 示例中，我們使用 torch.stack() 方法連接兩個一維張量。

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)

輸出：

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.]])

解釋：在上麵的代碼中，張量 x 和 y 是一維的，每個都有四個元素。最終的級聯張量是二維張量。由於維度為 1，我們可以堆疊維度為 0 和 1 的張量。當 dim =0 時，張量會堆疊，增加行數。當dim = 1 時，張量會轉置並沿列堆疊。

示例 2：

在下麵的 Python 示例中，我們使用 torch.stack() 方法連接兩個一維張量。

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)

輸出：

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.]]])

解釋：在上麵的代碼中，x和y是二維張量。請注意，最終張量是 3-D 張量。由於每個輸入張量的維度為 2，因此我們可以將維度為 0 和 2 的張量堆疊起來。通過 dim = 0、1 和 2 查看最終輸出張量之間的差異。

示例 3：

在此示例中，我們連接兩個以上的張量。我們可以連接任意數量的張量。

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)

輸出：

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：演示錯誤

在下麵的示例中，我們顯示了輸入張量形狀不同時的錯誤。

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)

輸出：

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

請注意，兩個張量的形狀並不相同。它會引發運行時錯誤。同樣，當張量的維度不同時，會引發運行時錯誤。自己嘗試不同維度的張量，看看輸出如何。

相關用法

注：本文由純淨天空篩選整理自shahidedu7大神的英文原創作品 Python PyTorch stack() method。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。