Pytorch基础操作 —— 11. torch.column

• torch.column_stack
• 例程
• • 2D
  • 3D
  • 4D

除了 cat 这个函数以外，torch也提供了其他的张量粘合方法。column_stack 是以列方向黏贴张量的方法，我们来看一看函数的定义。

torch.column_stack(tensors, *, out=None) → Tensor

官方的例程如下

>>> a = torch.tensor([1, 2, 3])
>>> b = torch.tensor([4, 5, 6])
>>> torch.column_stack((a, b))
tensor([[1, 4],
    [2, 5],
    [3, 6]])
>>> a = torch.arange(5)
>>> b = torch.arange(10).reshape(5, 2)
>>> torch.column_stack((a, b, b))
tensor([[0, 0, 1, 0, 1],
        [1, 2, 3, 2, 3],
        [2, 4, 5, 4, 5],
        [3, 6, 7, 6, 7],
        [4, 8, 9, 8, 9]])

不过我们要考虑一个复杂点的情况，就是对于高维的张量，它又表现为什么形式。

>>> a = torch.arange(0, 8).reshape(-1, 2)
>>> b = torch.arange(0, 8).reshape(-1, 2)
>>> c = torch.column_stack((a, b, a, b))

>>> a.shape
torch.Size([4, 2])

>>> b.shape
torch.Size([4, 2])

>>> c.shape
torch.Size([4, 8])

>>> a = torch.arange(0, 8).reshape(-1, 2, 2)
>>> b = torch.arange(0, 8).reshape(-1, 2, 2)
>>> c = torch.column_stack((a, b, a, b))

>>> a.shape
torch.Size([2, 2, 2])

>>> b.shape
torch.Size([2, 2, 2])

>>> c.shape
torch.Size([2, 8, 2])

>>> a = torch.arange(0, 8).reshape(1, 2, 2, 2)
>>> b = torch.arange(0, 8).reshape(1, 2, 2, 2)
>>> c = torch.column_stack((a, b, a, b))

>>> a.shape
torch.Size([1, 2, 2, 2])

>>> b.shape
torch.Size([1, 2, 2, 2])

>>> c.shape
torch.Size([1, 8, 2, 2])

从上面这些例子可以看到，这个函数的其实和 torch.cat(*, dim=1) 很像，事实上是如果执行如下命令，也会得到TRUE的输出。

a = torch.arange(0, 8).reshape(2, 2, 2)
b = torch.arange(10, 18).reshape(2, 2, 2)
c1 = torch.cat((a, b, a, b), dim=1)
c2 = torch.column_stack((a, b, a, b))

if torch.equal(c1, c2):
    print("TRUE")
else:
    print("FALSE")