pytorch中的cat、stack、tranpose、permute、unsqeeze

Cat，维度拼接

对数据沿着某一维度进行拼接。cat后数据的总维数不变.
比如下面代码对两个2维tensor（分别为23,13）进行拼接，拼接完后变为3*3还是2维的tensor。

import torch
torch.manual_seed(1)
x = torch.randn(2,3)
y = torch.randn(1,3)
print(x,y)

结果：

0.6614 0.2669 0.0617
0.6213 -0.4519 -0.1661
[torch.FloatTensor of size 2x3]
-1.5228 0.3817 -1.0276
[torch.FloatTensor of size 1x3]

将两个tensor拼在一起

torch.cat((x,y),0)

结果：

0.6614 0.2669 0.0617
0.6213 -0.4519 -0.1661
-1.5228 0.3817 -1.0276
[torch.FloatTensor of size 3x3]

stack，增加新的维度进行堆叠

而stack则会增加新的维度。
如对两个12维的tensor在第0个维度上stack，则会变为212的tensor；在第1个维度上stack，则会变为12*2的tensor。
见代码：

a=torch.rand((1,2))
b=torch.rand((1,2))
c=torch.stack((a,b),0)
c.size()

结果：

torch.Size([2, 1, 2])

换成维度1：

d=torch.stack((a,b),1)
d.size()

结果：

torch.Size([1, 2, 2])

transpose ，交换维度

代码：

torch.manual_seed(1)
x = torch.randn(2,3)
print(x)

结果：

0.6614 0.2669 0.0617
0.6213 -0.4519 -0.1661
[torch.FloatTensor of size 2x3]

将X的维度互换

x.transpose(0,1)

结果：

0.6614 0.6213 
0.2669 -0.4519 
0.0617 -0.1661
 [torch.FloatTensor of size 3x2]

permute，适合多维数据，更灵活的transpose

permute是更灵活的transpose，可以灵活的对原数据的维度进行调换，而数据本身不变。
代码如下：

x = torch.randn(2,3,4)
print(x.size())
x_p = x.permute(1,0,2) # 将原来第1维变为0维，同理，0→1,2→2 print(x_p.size())

结果：

torch.Size([2, 3, 4])
torch.Size([3, 2, 4])

squeeze 和 unsqueeze

squeeze(dim_n)压缩，即去掉元素数量为1的dim_n维度。同理unsqueeze(dim_n)，增加dim_n维度，元素数量为1。
上代码：

# 定义张量
import torch

b = torch.Tensor(2,1)
b.shape
Out[28]: torch.Size([2, 1])

# 不加参数，去掉所有为元素个数为1的维度
b_ = b.squeeze()
b_.shape
Out[30]: torch.Size([2])

# 加上参数，去掉第一维的元素为1，不起作用，因为第一维有2个元素
b_ = b.squeeze(0)
b_.shape 
Out[32]: torch.Size([2, 1])

# 这样就可以了
b_ = b.squeeze(1)
b_.shape
Out[34]: torch.Size([2])

# 增加一个维度
b_ = b.unsqueeze(2)
b_.shape
Out[36]: torch.Size([2, 1, 1])