Pytorch Merge操作

简述

Pytorch中没有内置Merge操作，需要手动实现。

下面会以多个四维的Tensor直接的Merge操作来展示。（len, *image_shape(占三维)）

比如上面，这样的图片。

每一行都是一个数据X_i（包含三张黑白图）。
所以，如果是直接用torch.cat([x0, x1, x2])的话，就是直接把这九张图按照顺序排列了下。

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

图片对应的编号顺序：

1， 2， 3，
4， 5， 6， 
7， 8， 9

但是如果有时候，需要把这个大图进行一个 转置 ， 就需要用到了Merge的操作。

将(x1, x2, x3)，三个变量merge操作。之后，就是

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

这样再输出的话，就是在大图上做了转置的效果。

因此需要做Merge。

Merge实现

先给范式：x1,x2,...xn的相互merge

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

简单来说，就是

1. 先用stack按照第一维度来进行叠加（是会扩充维度的）
2. 之后，将扩充出来的维度和一开始的index维度（也就是x1[0], x1[2], ..., x1[index]），进行转置（注意的是，需要使用contiguous() 因为需要在物理层面上也要完成转置，之后才能view。这是pytorch的内部机制）
3. 最后，再用view的方式将扩充好的维度压缩回去。

给个范例的输出：

再给个实例上的代码区别的部分：

图一

	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')

图二（转置后）

	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')