pytorch中數(shù)組維度理解與numpy中類(lèi)似，pytorch中維度用dim表示，numpy中用axis表示
這里主要想說(shuō)下維度的變化。
dim = x ,表示在第x為上進(jìn)行操作，那個(gè)維度會(huì)發(fā)生變化。

一、二維數(shù)組

1. 兩個(gè)二維數(shù)組的拼接

維度為（2，3）與（2，4)的數(shù)組拼接后的維度是（2，7）

import torch a = torch.Tensor(np.arange(6).reshape(2,3)) b = torch.Tensor(np.arange(8).reshape(2,4)) print(a,'\n ',a.shape) print(b,'\n',b.shape) c = torch.cat((a,b),dim = 1) print('concatenate:\n',c,'\n',c.shape)

結(jié)果

tensor([[0., 1., 2.],[3., 4., 5.]]) a: torch.Size([2, 3]) tensor([[0., 1., 2., 3.],[4., 5., 6., 7.]]) torch.Size([2, 4]) concatenate:tensor([[0., 1., 2., 0., 1., 2., 3.],[3., 4., 5., 4., 5., 6., 7.]]) torch.Size([2, 7])

2. 二維數(shù)組求sum、max等

dim = 0,第一個(gè)維度劃掉，得到一個(gè)一維向量。比如，a是（2，3），dim = 0,得到的結(jié)果是（3，）維的；如果dim=1，得到的結(jié)果是（2，）

print('sum dim=0',torch.sum(a,dim=0)) print('sum dim=1',torch.sum(a,dim=1)) print('******* max *****') print('max dim=0',torch.max(a,dim=0)) print('max dim=1',torch.max(a,dim=1))

輸出

tensor([[0., 1., 2.],[3., 4., 5.]]) torch.Size([2, 3]) sum dim=0 tensor([3., 5., 7.]) sum dim=1 tensor([ 3., 12.]) ******* max ***** max dim=0 torch.return_types.max( values=tensor([3., 4., 5.]), indices=tensor([1, 1, 1])) max dim=1 torch.return_types.max( values=tensor([2., 5.]), indices=tensor([2, 2]))

二、三維數(shù)組

1. 兩個(gè)三維數(shù)組的拼接

兩個(gè)三位數(shù)組拼接，有個(gè)要求，除了dim維，其余維的維度要相同。

• 比如 a是（2，3，4），b是（3，2，4）那么a與b無(wú)論在哪個(gè)維上都不能拼接。因?yàn)樗鼈?strong>沒(méi)有兩個(gè)相同的維度。
• 如果a與b維度相同，都是（2，3，4），那么他們無(wú)論在哪個(gè)維上都可以拼接。dim = 0,結(jié)果是(4,3,4),dim = 1,結(jié)果是(2,6,4),dim =2,結(jié)果是(2,3,8)
• dim = x,就將兩個(gè)數(shù)組dim維上的數(shù)字相加，得到最終輸出維度。

a = torch.Tensor(np.arange(24).reshape(2,3,4)) b = torch.Tensor(np.arange(24,48).reshape(2,3,4)) print(a,'\n ',a.shape) print(b,'\n',b.shape) c = torch.cat((a,b),dim = 2) print('concatenate:\n',c,'\n',c.shape)

輸出結(jié)果

tensor([[[ 0., 1., 2., 3.],[ 4., 5., 6., 7.],[ 8., 9., 10., 11.]],[[12., 13., 14., 15.],[16., 17., 18., 19.],[20., 21., 22., 23.]]]) torch.Size([2, 3, 4]) tensor([[[24., 25., 26., 27.],[28., 29., 30., 31.],[32., 33., 34., 35.]],[[36., 37., 38., 39.],[40., 41., 42., 43.],[44., 45., 46., 47.]]]) torch.Size([2, 3, 4]) concatenate:tensor([[[ 0., 1., 2., 3., 24., 25., 26., 27.],[ 4., 5., 6., 7., 28., 29., 30., 31.],[ 8., 9., 10., 11., 32., 33., 34., 35.]],[[12., 13., 14., 15., 36., 37., 38., 39.],[16., 17., 18., 19., 40., 41., 42., 43.],[20., 21., 22., 23., 44., 45., 46., 47.]]]) torch.Size([2, 3, 8])

2. 三維數(shù)組求sum、max等

• 類(lèi)似于二維數(shù)組，會(huì)消去dim維度
• shape=(2,3,4)的數(shù)組，在dim=0上求和或者取最大后，結(jié)果的shape = (3,4)
• pytorch求max,同時(shí)返回兩個(gè)值（max,indices）

a = torch.Tensor(np.arange(24).reshape(2,3,4)) print(a,'\n',a.shape) print('sum dim=0',torch.sum(a,dim=0)) print('sum dim=1',torch.sum(a,dim=1)) print('sum dim=2',torch.sum(a,dim=2)) print('******* max *****') print('max dim=0',torch.max(a,dim=0)) print('max dim=1',torch.max(a,dim=1)) print('max dim=2',torch.max(a,dim=2))

結(jié)果

tensor([[[ 0., 1., 2., 3.],[ 4., 5., 6., 7.],[ 8., 9., 10., 11.]],[[12., 13., 14., 15.],[16., 17., 18., 19.],[20., 21., 22., 23.]]]) torch.Size([2, 3, 4]) sum dim=0 tensor([[12., 14., 16., 18.],[20., 22., 24., 26.],[28., 30., 32., 34.]]) sum dim=1 tensor([[12., 15., 18., 21.],[48., 51., 54., 57.]]) sum dim=2 tensor([[ 6., 22., 38.],[54., 70., 86.]]) ******* max ***** max dim=0 torch.return_types.max( values=tensor([[12., 13., 14., 15.],[16., 17., 18., 19.],[20., 21., 22., 23.]]), indices=tensor([[1, 1, 1, 1],[1, 1, 1, 1],[1, 1, 1, 1]])) max dim=1 torch.return_types.max( values=tensor([[ 8., 9., 10., 11.],[20., 21., 22., 23.]]), indices=tensor([[2, 2, 2, 2],[2, 2, 2, 2]])) max dim=2 torch.return_types.max( values=tensor([[ 3., 7., 11.],[15., 19., 23.]]), indices=tensor([[3, 3, 3],[3, 3, 3]]))

總結(jié)

以上是生活随笔為你收集整理的pytorch中数组维度的理解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。