译（五十三）-Pytorch的stack()与cat()有何区别

stackoverflow热门问题目录

如有翻译问题欢迎评论指出，谢谢。

今天这篇第三个回答只有一个投票，而且老长老长，我就不翻了，有需要的话进链接看吧。
注：今天这篇第二个回答有两张图片，但我现在加载不出来，之后加载出来了我再用图床补上。

2022/4/7更新：图片已补。

Pytorch的torch.stack()和torch.cat()有什么区别？

• Gulzar asked:

  • OpenAI 用于增强学习的 REINFORCE 和 actor-critic 示例代码有下面两句：

  • REINFORCE:

  • policy_loss = torch.cat(policy_loss).sum()

  • actor-critic:

  • loss = torch.stack(policy_losses).sum() + torch.stack(value_losses).sum()

  • 一个用 torch.cat，另一个用 torch.stack。

  • 就我的理解来说， 这篇文档没有清楚给出它们的区别。

  • 希望有人能解答这两个函数的区别。

• Answers:

  • Gulzar - vote: 173

  • stack

  在新维度连接张量。

  • cat

  在给定维度连接张量。

  • 所以当形状为 (3, 4) 的 A 和 B，进行 torch.cat([A, B], dim=0) 的结果形状为 (6, 4)，进行 torch.stack([A, B], dim=0) 的结果形状为 (2, 3, 4)。

  • Jatentaki - vote: 20

  • t1 = torch.tensor([[1, 2],
                     [3, 4]])
    t2 = torch.tensor([[5, 6],
                     [7, 8]])

  • torch.stack	torch.cat
    'Stacks' 在新维度连接张量：	'Concatenates' 在已存在的维度连接张量：

  • 这些函数类似 numpy.stack 和 numpy.concatenate.

What\'s the difference between torch.stack() and torch.cat() functions?

• Gulzar asked:

  • OpenAI\'s REINFORCE and actor-critic example for reinforcement learning has the following code:
    OpenAI 用于增强学习的 REINFORCE 和 actor-critic 示例代码有下面两句：

  • REINFORCE:

  • policy_loss = torch.cat(policy_loss).sum()

  • actor-critic:

  • loss = torch.stack(policy_losses).sum() + torch.stack(value_losses).sum()

  • One is using torch.cat, the other uses torch.stack.
    一个用 torch.cat，另一个用 torch.stack。

  • As far as my understanding goes, the doc doesn\'t give any clear distinction between them.
    就我的理解来说， 这篇文档没有清楚给出它们的区别。

  • I would be happy to know the differences between the functions.
    希望有人能解答这两个函数的区别。

• Answers:

  • Gulzar - vote: 173

  • stack

  Concatenates sequence of tensors along a new dimension.
  在新维度连接张量。

  • cat

  Concatenates the given sequence of seq tensors in the given dimension.
  在给定维度连接张量。

  • So if A and B are of shape (3, 4), torch.cat([A, B], dim=0) will be of shape (6, 4) and torch.stack([A, B], dim=0) will be of shape (2, 3, 4).
    所以当形状为 (3, 4) 的 A 和 B，进行 torch.cat([A, B], dim=0) 的结果形状为 (6, 4)，进行 torch.stack([A, B], dim=0) 的结果形状为 (2, 3, 4)。

  • Jatentaki - vote: 20

  • t1 = torch.tensor([[1, 2],
                     [3, 4]])
    t2 = torch.tensor([[5, 6],
                     [7, 8]])

  • torch.stack	torch.cat
    'Stacks' a sequence of tensors along a new dimension: 'Stacks' 在新维度连接张量：	'Concatenates' a sequence of tensors along an existing dimension: 'Concatenates' 在已存在的维度连接张量：

  • These functions are analogous to numpy.stack and numpy.concatenate.
    这些函数类似 numpy.stack 和 numpy.concatenate.