在pytorch中连接两个不同形状的火炬张量答案

【问题标题】：Concatenating two torch tensors of different shapes in pytorch在pytorch中连接两个不同形状的火炬张量
【发布时间】：2020-08-27 06:26:18
【问题描述】：

我有两个 Torch 张量。一种形状为[64, 4, 300]，另一种形状为[64, 300]。如何连接这两个张量以获得形状[64, 5, 300] 的结果张量。我知道用于此的 tensor.cat 函数，但为了使用该函数，我需要重塑第二个张量以匹配张量的维数。我听说不应该对张量进行重塑，因为它可能会弄乱张量中的数据。我该如何进行这种连接？

我尝试过重塑，但下面的部分让我对这种重塑更加怀疑。

a = torch.rand(64,300)

a1 = a.reshape(64,1,300)

list(a1[0]) == list(a)
Out[32]: False

【问题讨论】：

标签： concatenation pytorch concat tensor torch

【解决方案1】：

您必须在第一个维度上使用torch.cat，并在第一个维度上也使用unsqueeze，如下所示：

import torch

first = torch.randn(64, 4, 300)
second = torch.randn(64, 300)

torch.cat((first, second.unsqueeze(dim=1)), dim=1)
# Shape: [64, 5, 300]

它不会弄乱您的数据，它只是添加肤浅的1 维度（reshape 无论如何都不会正确完成）。

【讨论】：

感谢您的回答。我不应该在这里使用 reshape 对吗？另外，unsqueeze 是做什么的？为什么使用安全？
你也可以使用reshape(64, 1, 300)，但它很冗长。 unsqueeze 在64 和300 之间添加1 维度，因此形状是可广播的。它是安全的，因为它只更改内部数据表示（它保存在连续的 C++ 数组中），例如跨步等。只有当数据不能以这种非侵入性方式“重塑”时才会复制数据（如果你不想复制你应该使用view)。但是你必须知道它是如何工作的，这样你才不会意外地混淆尺寸。