一維张量與二維张量

在這裏先創建一個4*4二維张量，想象下一個正方形由很多個小方塊組成。在這裏 dim 的值為0時，合并的是行，為1時合并的是列。

tensor = torch.ones(4, 4)
t1 = torch.cat([tensor, tensor, tensor], dim=1)
print(t1)

輸出

tensor([[1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.],
        [1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.],
        [1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.],
        [1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.]])

那麽到了一維，這裏是 0 ，結果并不是[1,2],[3,4]

a = torch.tensor([1, 2])
b = torch.tensor([3, 4])
torch.cat([a, b], dim=0)  # 结果是 tensor([1, 2, 3, 4])，沿着第 0 维（行）连接

关于 dim=1 代表从列添加的理解是正确的，但这通常是在我们处理二维或更高维度的张量时。

关键的区别在于张量的维度：

• 一维张量： 只有一个维度，通常我们称之为第 0 维。torch.cat 沿着这个维度连接，相当于将多个向量首尾相连。
• 二维张量： 有两个维度，第 0 维代表行，第 1 维代表列。torch.cat 在 dim=0 时按行连接（上下拼接），在 dim=1 时按列连接（左右拼接）。

** 在一维张量的情况下，dim=1 是不存在的（因为只有一个维度 0）。