Тензор сбис личный кабинет вход: Войти в личный кабинет | СБИС Помощь

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.