目录

示例1 矢量后增加元素

示例2 tensor维度增加1

示例3 另一种替代unsqueeze的方法

---

示例1 矢量后增加元素

使用torch.cat()函数

p=torch.Tensor([1,5,0])
p=torch.cat((p, torch.Tensor([4])), 0)

结果：

这里，cat的第一个输入变量用()包绕，里面至少有两个tensor，这两个tensor按照先后次序连接，形成新的tensor，作为返回值。cat的第二个变量表示连接的维度。在本例中，维度=0。0意味着新元素4将沿着1,5,0的方向连接下去。此时，torch,Tensor([4])的size可以不等于p--p含有三个变量，而torch,Tensor([4])显然只有一个变量。这是因为新元素在沿着1,5,0方向拓展。你也可以让维度=-1，效果与0相同。

示例2 tensor维度增加1

p的布局是1,5,0  现在想把p变为二维：

1,5,0

4,4,4

下面的操作不合法：

不合法的原因：

可见，p只是一个三元矢量，没有其他的维度，当然也就不能沿着新维度增加了。

想要给p增加维度，首先做unsqeeze操作：

p =torch.unsqueeze(p, 0)

 原来p是沿着1,5,0  ----->增加的，这是p唯一的维度。unsqueeze之后，[1,5,0]成为p的第一个元素，下面可以再增加一个三元tensor，接在[1,5,0]后面。

增加[4,4,4]：（注意，这里加入的其实是[[4,4,4]]）

可见，添加成功。

在加入[4,4,4]之后，[1,5,0]和[4,4,4]都变成了q的元素，所以q的增长方向变成了向下：

[1,5,0]

[4,4,4]

 |

 |

V

注意，pytorch要求相连接的两个tensor维度数相同，否则报错。所以增加的是[[4,4,4]]，而不是[4,4,4]。但是，仅仅是要求维度相同，尺寸可以不同（严格来说，是增加方向的尺寸可以不同）：

如下图，q已经是2行3列的tensor了，但是还可给它添加1行3列的[4,4,4]

示例3 另一种替代unsqueeze的方法

p=p[None,:]