pytorch torch.cat((A, B), 2)

pytorch torch.cat((A, B), 2)"/>

pytorch torch.cat((A, B), 2)

参考：

Pytorch中的torch.cat()函数_荷叶田田-CSDN博客_python torch.cat

这个作者讲的还不错，但是我补充点自己的理解：

1.torch.cat这个在进行拼接的时候，是按照对应传入的dim(维度)进行拼接，在按照对应dim进行拼接时，其余的维度一定要数量一致，且对应数值一致，如下：

A = torch.ones(1,1,3)
B = torch.ones(1,2,3)
temp = torch.cat((A, B), 2) 此时按照dim=2进行拼接，那么dim=1的数值不一样，就报错。但是如果是按照dim=1进行拼接，就不会，
也就是说，按照对应dim进行拼接，不需要对应维度值是否一致，但是剩余的维度值和数目都要一致。另外，其实按照哪个dim进行cat，就是把对应的维度值相加。

torch.stack() 是按照指定维度进行堆叠，且里面的tensor的shape必须相同，但是可以开辟一个新的维度，在新的维度上堆叠，且维度范围在[0,几个tensor]，数据是合在一个打的维度下，但是还是内部分各个tensor。且shape维度增加一个

torch.cat()是按照已存在的维度进行堆叠，且不需要里面的tensor的shape必须相同，比如 2x3,3x3，就可以按照第0维进行堆叠，这样得到5x3维度，且数据是合在一起了,内部就不分各个tensor了。且shape的维度不变