Тензор сбис личный кабинет вход: Войти в личный кабинет

Содержание

Как соединить тензоры в PyTorch?

Улучшить статью

Сохранить статью

Последнее обновление:
28 фев, 2022

Читать

Обсудить

Улучшить статью

Сохранить статью

В этой статье мы увидим, как соединить два или более тензора в PyTorch.

Мы можем объединять тензоры в PyTorch, используя функции torch.cat() и torch.stack(). Обе функции помогают нам объединять тензоры, но torch.cat() в основном используется для объединения заданной последовательности тензоров в заданном измерении. тогда как функция torch.stack() позволяет нам складывать тензоры друг в друга, и мы можем объединять два или более тензора в разных измерениях, таких как -1 измерение и 0 измерений,

Функция torch.cat(): Cat() в PyTorch используется для объединения двух или более тензоров в одном измерении.

Синтаксис: torch.cat ( (tens_1, tens_2, — , tens_n), dim=0, *, out=None)

torch. stack() function: Эта функция также объединяет последовательность тензоры, но над новым измерением, здесь и тензоры должны быть одного размера.

Синтаксис: torch.stack ( (tens_1, tens_2, — , tens_n), dim=0, *, out=None)

Пример 1:

Следующая программа предназначена для объединения последовательности тензоров с помощью функции torch.cat().

Python3

import torch

tens_1 = torch.Tensor([[ 11 , 12 , 13 ], [ 14 , 15 , 16 ]])

TENS_2 = TOCLE. TENSOR. , 21 , 22 ]])

print ( "tens_1 \n" , tens_1)

print ( "TENS_2 \ N" , TENS_2)

TENS = TOCK.CAT (TENS_1, TENS_2), .

Печать ( "Присоединяйтесь к тензорам в -1 в размере \ n" , десятки)

TENS = 70057 (TENS = 777777777777, (TENS . 0 )

print ( "join tensors in the 0 dimension \n" , tens)

Output:

Example 2:

The following program is для объединения последовательности тензоров с помощью функции torch.stack().

Python3

импорт факел

5_tens0057 = torch.Tensor([[ 10 , 20 , 30 ],[ 40 , 50 , 60 ]])

tens_2 = torch. Tensor([[ 70 , 80 , 90 ],[ 100 , 110 , 120 ]])

Печать ( "TENS_1 \ n" , TENS_1)

( . "" "" "" "".

TENS = TORCH. , tens)

tens = torch.stack((tens_1, tens_2), 0 )

print ( "join tensors in the 0 Размер \ n " , TENS)

Выход:

Пример 3:

Следующая программа для 2D Tensors для соблюдения OR). .

Python3

import torch

tens_1 = torch.Tensor([[ 1 , 2 ], [ 3 , 4 ]])

TENS_2 = TORCH.TENSOR ([ 5 , 5 , 5 , 5 , 5 , 5 .0058 8 ]])

tens_3 = torch. Tensor([[ 9 , 10 ], [ 11 , 12 ] ])

Печать ( "\ n Первый тензор: \ n" , TENS_1)

Print ( 9003 9003

: ( 9003 9003

: " 9003

( 9003 9003

: 9003

. , десятки_2)

print ( "\n Third Tensor :\n" , tens_3)

tens = torch. stack((tens_1, tens_2, tens_3), - 1 )

print ( "\n tensors in -1 dimension \n" , tens)

tens = torch.stack( (десятки_1, десятки_2, десятки_3), 0 )

print ( "\n tensors in 0 dimension \n" , tens)

Output:

Example 4:

Следующая программа должна знать, как двумерные тензоры соединяются по измерениям 0 и -1. Конкатенация в измерении 0 увеличивает количество строк.

Python3

импорт Факел

TENS_1 = TORCH. TENSOR. )

tens_2 = torch.Tensor([[ 5 , 6 ], [ 7 , 8 ]])

tens_3 = torch.Tensor([[ 9 , 10 ], [ 11 , 12 ]])

print ( "First Tensor :\n" , tens_1)

print ( "\nSecond Tensor :\n" , tens_2)

print ( "\nThird Тензор :\n" , tens_3)

tens = torch. cat((tens_1, tens_2, tens_3), 0 )

print ( "\n join tensors in the 0 dimension \n" , tens)

tens = torch.cat((tens_1, tens_2, tens_3), - 1 )

print ( "\ n Присоединяйте тензоры в размере -1 \ n" , TENS)

Выход:

Пример 5:

. тензоры складываются, и конечный тензор является двумерным тензором.

Python3

Импорт TORCH

TENS_1 = TORCH. 0058 1 , 2 , 3 ])

tens_2 = torch.Tensor([ 4 , 5 , 6 ])

tens_3 = torch.Tensor([ 7 , 8 , 9 ])

print ( "First Tensor :\n" , tens_1)

print ( "\nSecond Tensor :\n" , tens_2)

print ( " \ nthird tensor: \ n " , tens_3)

TENS = FORCH.