簡述

Pytorch中沒有內置Merge操作，需要手動實現。

下面會以多個四維的Tensor直接的Merge操作來展示。（len, *image_shape(占三維)）

比如上面，這樣的圖片。

每一行都是一個數據X_i（包含三張黑白圖）。
所以，如果是直接用torch.cat([x0, x1, x2])的話，就是直接把這九張圖按照順序排列了下。

[x1[0],..., x1[n], x2[0],..., x2[n], x3[0],..., x3[n]]

圖片對應的編號順序：

1， 2， 3， 4， 5， 6， 7， 8， 9

但是如果有時候，需要把這個大圖進行一個 轉置 ， 就需要用到了Merge的操作。

將(x1, x2, x3)，三個變量merge操作。之后，就是

[x1[0], x2[0], x3[0], ..., x1[n], x2[n], x3[n]]

這樣再輸出的話，就是在大圖上做了轉置的效果。

因此需要做Merge。

Merge實現

先給范式：x1,x2,...xn的相互merge

torch.stack([x1,x2,..,xn]).transpose(1, 0).contiguous().view(len(x1+x2+..+xn), *x.shape[1:])

簡單來說，就是

先用stack按照第一維度來進行疊加（是會擴充維度的）

之后，將擴充出來的維度和一開始的index維度（也就是x1[0], x1[2], ..., x1[index]），進行轉置（注意的是，需要使用contiguous() 因為需要在物理層面上也要完成轉置，之后才能view。這是pytorch的內部機制）

最后，再用view的方式將擴充好的維度壓縮回去。

給個范例的輸出：

再給個實例上的代碼區別的部分：

圖一

plt.imshow(np.transpose(vutils.make_grid(torch.cat([G_x.cpu().detach(), x.cpu().detach(), y.cpu().detach()]), nrow=3, padding=0,normalize=True, scale_each=True), (1, 2, 0)), cmap='gray')

圖二（轉置后）

plt.imshow(np.transpose(vutils.make_grid(torch.stack([G_x.cpu().detach(), x.cpu().detach(), y.cpu().detach()]).transpose(1, 0).contiguous().view(BATCH_SIZE * 3, 1, 96, 96), nrow=3, padding=0,normalize=True, scale_each=True), (1, 2, 0)), cmap='gray')

總結

以上是生活随笔為你收集整理的Pytorch Merge操作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。