推荐答案
在 PyTorch 中，torch.stack 方法用于将一系列张量沿着一个新的维度进行堆叠。所有输入张量必须具有相同的形状。
-- -------------------- ---- ------- ------ ----- - ----------- ------- - ---------------- -- --- ------- - ---------------- -- --- - ---------------- -------------- - --------------------- --------- ------ ---------------------
输出结果：
tensor([[1, 2, 3],
[4, 5, 6]])本题详细解读
1. torch.stack 的基本用法
torch.stack 方法的基本语法如下：
torch.stack(tensors, dim=0, *, out=None)
tensors：一个包含多个张量的序列（如列表或元组），这些张量必须具有相同的形状。dim：指定新维度的位置，沿着该维度进行堆叠。dim可以是负数，表示从最后一个维度开始计数。out：可选参数，指定输出张量。
2. torch.stack 与 torch.cat 的区别
torch.stack会创建一个新的维度，并将输入张量沿着该维度堆叠。torch.cat则是在现有维度上连接张量，不会创建新的维度。
3. 示例代码解析
-- -------------------- ---- ------- ------ ----- - ----------- ------- - ---------------- -- --- ------- - ---------------- -- --- - ---------------- -------------- - --------------------- --------- ------ ---------------------
在这个例子中，tensor1 和 tensor2 都是形状为 (3,) 的一维张量。通过 torch.stack 方法，我们将它们沿着 dim=0 堆叠，生成了一个形状为 (2, 3) 的二维张量。
4. 不同维度的堆叠
你可以通过改变 dim 参数来指定不同的堆叠维度。例如：
# 沿着 dim=1 堆叠 stacked_tensor = torch.stack((tensor1, tensor2), dim=1) print(stacked_tensor)
输出结果：
tensor([[1, 4],
[2, 5],
[3, 6]])在这个例子中，dim=1 表示沿着第二个维度（即列）进行堆叠，生成了一个形状为 (3, 2) 的二维张量。
5. 注意事项
- 所有输入张量必须具有相同的形状。
dim参数决定了新维度的位置，必须确保dim的值在合理范围内（即不超过输入张量的维度数加一）。