如何理解tensor中张量的维度-EW帮帮网

微信交流群：https://732903.hlcode.cn/?id=NK1fWUR

理解 dim=0、dim=1、dim=2 以及 (x, y, z) 的意思，关键在于明确每个维度在张量中的作用。让我们通过具体的例子来详细解释这些概念。

三维张量的维度

一个三维张量可以看作是一个三维数组，通常用形状 (x, y, z) 来表示。这里的 x、y 和 z 分别表示张量在三个不同维度上的大小。

x 维度：通常称为批处理维度（batch dimension），表示数据的数量或批次。
y 维度：通常称为特征维度（feature dimension），表示每个数据点的特征数量。
z 维度：通常称为通道维度（channel dimension），表示每个特征的通道数量。

具体例子

假设我们有一个三维张量 tensor，其形状为 (2, 3, 4)。这个张量可以看作是一个包含 2 个批次的数据，每个批次有 3 个特征，每个特征有 4 个通道。

import torch

# 创建一个形状为 (2, 3, 4) 的三维张量
tensor = torch.randn(2, 3, 4)
print(tensor)

输出可能如下所示：

tensor([[[ 0.1234,  0.5678, -0.9101,  0.2345],
         [-0.3456,  0.6789,  0.1234, -0.5678],
         [ 0.7890, -0.1234,  0.5678,  0.9101]],

        [[-0.2345,  0.3456, -0.4567,  0.5678],
         [ 0.6789, -0.7890,  0.8901, -0.9012],
         [-0.1234,  0.2345, -0.3456,  0.4567]]])

拼接操作

现在我们来理解在不同维度上进行拼接操作的意义。

1. 在 `dim=0` 上拼接

意义：在 dim=0 上拼接意味着在批处理维度上增加数据的数量。也就是说，我们将两个张量在第一个维度上合并，形成一个新的张量。
要求：tensor_a 和 tensor_b 在 dim=1 和 dim=2 上的大小必须相同。
结果：拼接后的张量形状为 (x1 + x2, y, z)。

tensor_a = torch.randn(2, 3, 4)  # 形状为 (2, 3, 4)
tensor_b = torch.randn(2, 3, 4)  # 形状为 (2, 3, 4)

tensor_c = torch.cat((tensor_a, tensor_b), dim=0)  # 结果形状为 (4, 3, 4)
print("在dim=0上拼接后的形状:", tensor_c.shape)

2. 在 `dim=1` 上拼接

意义：在 dim=1 上拼接意味着在特征维度上增加特征的数量。也就是说，我们将两个张量在第二个维度上合并，形成一个新的张量。
要求：tensor_a 和 tensor_b 在 dim=0 和 dim=2 上的大小必须相同。
结果：拼接后的张量形状为 (x, y1 + y2, z)。

tensor_d = torch.cat((tensor_a, tensor_b), dim=1)  # 结果形状为 (2, 6, 4)
print("在dim=1上拼接后的形状:", tensor_d.shape)

3. 在 `dim=2` 上拼接

意义：在 dim=2 上拼接意味着在通道维度上增加通道的数量。也就是说，我们将两个张量在第三个维度上合并，形成一个新的张量。
要求：tensor_a 和 tensor_b 在 dim=0 和 dim=1 上的大小必须相同。
结果：拼接后的张量形状为 (x, y, z1 + z2)。

tensor_e = torch.cat((tensor_a, tensor_b), dim=2)  # 结果形状为 (2, 3, 8)
print("在dim=2上拼接后的形状:", tensor_e.shape)

图解

假设 tensor_a 和 tensor_b 都是形状为 (2, 3, 4) 的张量，可以用以下图解来帮助理解：

tensor_a:
[
  [
    [a11, a12, a13, a14],
    [a21, a22, a23, a24],
    [a31, a32, a33, a34]
  ],
  [
    [a41, a42, a43, a44],
    [a51, a52, a53, a54],
    [a61, a62, a63, a64]
  ]
]

tensor_b:
[
  [
    [b11, b12, b13, b14],
    [b21, b22, b23, b24],
    [b31, b32, b33, b34]
  ],
  [
    [b41, b42, b43, b44],
    [b51, b52, b53, b54],
    [b61, b62, b63, b64]
  ]
]

在 dim=0 上拼接：

[
  [
    [a11, a12, a13, a14],
    [a21, a22, a23, a24],
    [a31, a32, a33, a34]
  ],
  [
    [a41, a42, a43, a44],
    [a51, a52, a53, a54],
    [a61, a62, a63, a64]
  ],
  [
    [b11, b12, b13, b14],
    [b21, b22, b23, b24],
    [b31, b32, b33, b34]
  ],
  [
    [b41, b42, b43, b44],
    [b51, b52, b53, b54],
    [b61, b62, b63, b64]
  ]
]

在 dim=1 上拼接：

[
  [
    [a11, a12, a13, a14],
    [a21, a22, a23, a24],
    [a31, a32, a33, a34],
    [b11, b12, b13, b14],
    [b21, b22, b23, b24],
    [b31, b32, b33, b34]
  ],
  [
    [a41, a42, a43, a44],
    [a51, a52, a53, a54],
    [a61, a62, a63, a64],
    [b41, b42, b43, b44],
    [b51, b52, b53, b54],
    [b61, b62, b63, b64]
  ]
]

在 dim=2 上拼接：

[
  [
    [a11, a12, a13, a14, b11, b12, b13, b14],
    [a21, a22, a23, a24, b21, b22, b23, b24],
    [a31, a32, a33, a34, b31, b32, b33, b34]
  ],
  [
    [a41, a42, a43, a44, b41, b42, b43, b44],
    [a51, a52, a53, a54, b51, b52, b53, b54],
    [a61, a62, a63, a64, b61, b62, b63, b64]
  ]
]

理解四维张量的关键在于明确每个维度的作用。四维张量通常用于表示批量的图像数据，其中每个图像有多个通道（例如RGB图像）。让我们详细解释四维张量的各个维度及其含义。

四维张量的维度

假设你有一个四维张量 tensor，其形状为 (N, C, H, W)。这里的 N、C、H 和 W 分别表示张量在四个不同维度上的大小。

N 维度：批处理维度（batch dimension），表示数据的数量或批次。
C 维度：通道维度（channel dimension），表示每个图像的通道数量（例如，RGB图像有3个通道）。
H 维度：高度维度（height dimension），表示图像的高度。
W 维度：宽度维度（width dimension），表示图像的宽度。

具体例子

假设我们有一个四维张量 tensor，其形状为 (2, 3, 4, 4)。这个张量可以看作是一个包含 2 张图像的数据集，每张图像有 3 个通道（RGB），高度为 4，宽度为 4。

import torch

# 创建一个形状为 (2, 3, 4, 4) 的四维张量
tensor = torch.randn(2, 3, 4, 4)
print(tensor)

输出可能如下所示：

tensor([[[[ 0.1234,  0.5678, -0.9101,  0.2345],
          [-0.3456,  0.6789,  0.1234, -0.5678],
          [ 0.7890, -0.1234,  0.5678,  0.9101],
          [-0.2345,  0.3456, -0.4567,  0.5678]],

         [[-0.2345,  0.3456, -0.4567,  0.5678],
          [ 0.6789, -0.7890,  0.8901, -0.9012],
          [-0.1234,  0.2345, -0.3456,  0.4567],
          [ 0.7890, -0.1234,  0.5678,  0.9101]],

         [[ 0.1234,  0.5678, -0.9101,  0.2345],
          [-0.3456,  0.6789,  0.1234, -0.5678],
          [ 0.7890, -0.1234,  0.5678,  0.9101],
          [-0.2345,  0.3456, -0.4567,  0.5678]]],

        [[[ 0.1234,  0.5678, -0.9101,  0.2345],
          [-0.3456,  0.6789,  0.1234, -0.5678],
          [ 0.7890, -0.1234,  0.5678,  0.9101],
          [-0.2345,  0.3456, -0.4567,  0.5678]],

         [[-0.2345,  0.3456, -0.4567,  0.5678],
          [ 0.6789, -0.7890,  0.8901, -0.9012],
          [-0.1234,  0.2345, -0.3456,  0.4567],
          [ 0.7890, -0.1234,  0.5678,  0.9101]],

         [[ 0.1234,  0.5678, -0.9101,  0.2345],
          [-0.3456,  0.6789,  0.1234, -0.5678],
          [ 0.7890, -0.1234,  0.5678,  0.9101],
          [-0.2345,  0.3456, -0.4567,  0.5678]]]])

拼接操作

现在我们来理解在不同维度上进行拼接操作的意义。

1. 在 `dim=0` 上拼接

意义：在 dim=0 上拼接意味着在批处理维度上增加数据的数量。也就是说，我们将两个张量在第一个维度上合并，形成一个新的张量。
要求：tensor_a 和 tensor_b 在 dim=1、dim=2 和 dim=3 上的大小必须相同。
结果：拼接后的张量形状为 (N1 + N2, C, H, W)。

tensor_a = torch.randn(2, 3, 4, 4)  # 形状为 (2, 3, 4, 4)
tensor_b = torch.randn(2, 3, 4, 4)  # 形状为 (2, 3, 4, 4)

tensor_c = torch.cat((tensor_a, tensor_b), dim=0)  # 结果形状为 (4, 3, 4, 4)
print("在dim=0上拼接后的形状:", tensor_c.shape)

2. 在 `dim=1` 上拼接

意义：在 dim=1 上拼接意味着在通道维度上增加通道的数量。也就是说，我们将两个张量在第二个维度上合并，形成一个新的张量。
要求：tensor_a 和 tensor_b 在 dim=0、dim=2 和 dim=3 上的大小必须相同。
结果：拼接后的张量形状为 (N, C1 + C2, H, W)。

tensor_d = torch.cat((tensor_a, tensor_b), dim=1)  # 结果形状为 (2, 6, 4, 4)
print("在dim=1上拼接后的形状:", tensor_d.shape)

3. 在 `dim=2` 上拼接

意义：在 dim=2 上拼接意味着在高度维度上增加高度的数量。也就是说，我们将两个张量在第三个维度上合并，形成一个新的张量。
要求：tensor_a 和 tensor_b 在 dim=0、dim=1 和 dim=3 上的大小必须相同。
结果：拼接后的张量形状为 (N, C, H1 + H2, W)。

tensor_e = torch.cat((tensor_a, tensor_b), dim=2)  # 结果形状为 (2, 3, 8, 4)
print("在dim=2上拼接后的形状:", tensor_e.shape)

4. 在 `dim=3` 上拼接

意义：在 dim=3 上拼接意味着在宽度维度上增加宽度的数量。也就是说，我们将两个张量在第四个维度上合并，形成一个新的张量。
要求：tensor_a 和 tensor_b 在 dim=0、dim=1 和 dim=2 上的大小必须相同。
结果：拼接后的张量形状为 (N, C, H, W1 + W2)。

tensor_f = torch.cat((tensor_a, tensor_b), dim=3)  # 结果形状为 (2, 3, 4, 8)
print("在dim=3上拼接后的形状:", tensor_f.shape)

图解

假设 tensor_a 和 tensor_b 都是形状为 (2, 3, 4, 4) 的张量，可以用以下图解来帮助理解：

tensor_a:
[
  [
    [
      [a1111, a1112, a1113, a1114],
      [a1121, a1122, a1123, a1124],
      [a1131, a1132, a1133, a1134],
      [a1141, a1142, a1143, a1144]
    ],
    [
      [a1211, a1212, a1213, a1214],
      [a1221, a1222, a1223, a1224],
      [a1231, a1232, a1233, a1234],
      [a1241, a1242, a1243, a1244]
    ],
    [
      [a1311, a1312, a1313, a1314],
      [a1321, a1322, a1323, a1324],
      [a1331, a1332, a1333, a1334],
      [a1341, a1342, a1343, a1344]
    ]
  ],
  [
    [
      [a2111, a2112, a2113, a2114],
      [a2121, a2122, a2123, a2124],
      [a2131, a2132, a2133, a2134],
      [a2141, a2142, a2143, a2144]
    ],
    [
      [a2211, a2212, a2213, a2214],
      [a2221, a2222, a2223, a2224],
      [a2231, a2232, a2233, a2234],
      [a2241, a2242, a2243, a2244]
    ],
    [
      [a2311, a2312, a2313, a2314],
      [a2321, a2322, a2323, a2324],
      [a2331, a2332, a2333, a2334],
      [a2341, a2342, a2343, a2344]
    ]
  ]
]

tensor_b:
[
  [
    [
      [b1111, b1112, b1113, b1114],
      [b1121, b1122, b1123, b1124],
      [b1131, b1132, b1133, b1134],
      [b1141, b1142, b1143, b1144]
    ],
    [
      [b1211, b1212, b1213, b1214],
      [b1221, b1222, b1223, b1224],
      [b1231, b1232, b1233, b1234],
      [b1241, b1242, b1243, b1244]
    ],
    [
      [b1311, b1312, b1313, b1314],
      [b1321, b1322, b1323, b1324],
      [b1331, b1332, b1333, b1334],
      [b1341, b1342, b1343, b1344]
    ]
  ],
  [
    [
      [b2111, b2112, b2113, b2114],
      [b2121, b2122, b2123, b2124],
      [b2131, b2132, b2133, b2134],
      [b2141, b2142, b2143, b2144]
    ],
    [
      [b2211, b2212, b2213, b2214],
      [b2221, b2222, b2223, b2224],
      [b2231, b2232, b2233, b2234],
      [b2241, b2242, b2243, b2244]
    ],
    [
      [b2311, b2312, b2313, b2314],
      [b2321, b2322, b2323, b2324],
      [b2331, b2332, b2333, b2334],
      [b2341, b2342, b2343, b2344]
    ]
  ]
]

在 dim=0 上拼接：

[
  [
    [
      [a1111, a1112, a1113, a1114],
      [a1121, a1122, a1123, a1124],
      [a1131, a1132, a1133, a1134],
      [a1141, a1142, a1143, a1144]
    ],
    [
      [a1211, a1212, a1213, a1214],
      [a1221, a1222, a1223, a1224],
      [a1231, a1232, a1233, a1234],
      [a1241, a1242, a1243, a1244]
    ],
    [
      [a1311, a1312, a1313, a1314],
      [a1321, a1322, a1323, a1324],
      [a1331, a1332, a1333, a1334],
      [a1341, a1342, a1343, a1344]
    ]
  ],
  [
    [
      [a2111, a2112, a2113, a2114],
      [a2121, a2122, a2123, a2124],
      [a2131, a2132, a2133, a2134],
      [a2141, a2142, a2143, a2144]
    ],
    [
      [a2211, a2212, a2213, a2214],
      [a2221, a2222, a2223, a2224],
      [a2231, a2232, a2233, a2234],
      [a2241, a2242, a2243, a2244]
    ],
    [
      [a2311, a2312, a2313, a2314],
      [a2321, a2322, a2323, a2324],
      [a2331, a2332, a2333, a2334],
      [a2341, a2342, a2343, a2344]
    ]
  ],
  [
    [
      [b1111, b1112, b1113, b1114],
      [b1121, b1122, b1123, b1124],
      [b1131, b1132, b1133, b1134],
      [b1141, b1142, b1143, b1144]
    ],
    [
      [b1211, b1212, b1213, b1214],
      [b1221, b1222, b1223, b1224],
      [b1231, b1232, b1233, b1234],
      [b1241, b1242, b1243, b1244]
    ],
    [
      [b1311, b1312, b1313, b1314],
      [b1321, b1322, b1323, b1324],
      [b1331, b1332, b1333, b1334],
      [b1341, b1342, b1343, b1344]
    ]
  ],
  [
    [
      [b2111, b2112, b2113, b2114],
      [b2121, b2122, b2123, b2124],
      [b2131, b2132, b2133, b2134],
      [b2141, b2142, b2143, b2144]
    ],
    [
      [b2211, b2212, b2213, b2214],
      [b2221, b2222, b2223, b2224],
      [b2231, b2232, b2233, b2234],
      [b2241, b2242, b2243, b2244]
    ],
    [
      [b2311, b2312, b2313, b2314],
      [b2321, b2322, b2323, b2324],
      [b2331, b2332, b2333, b2334],
      [b2341, b2342, b2343, b2344]
    ]
  ]
]

如何理解tensor中张量的维度

三维张量的维度

具体例子

拼接操作

1. 在 `dim=0` 上拼接

2. 在 `dim=1` 上拼接

3. 在 `dim=2` 上拼接

图解

四维张量的维度

具体例子

拼接操作

1. 在 `dim=0` 上拼接

2. 在 `dim=1` 上拼接

3. 在 `dim=2` 上拼接

4. 在 `dim=3` 上拼接

图解

网站公告

今日签到

热门文章

最新发布

如何理解tensor中张量的维度

三维张量的维度

具体例子

拼接操作

1. 在 dim=0 上拼接

2. 在 dim=1 上拼接

3. 在 dim=2 上拼接

图解

四维张量的维度

具体例子

拼接操作

1. 在 dim=0 上拼接

2. 在 dim=1 上拼接

3. 在 dim=2 上拼接

4. 在 dim=3 上拼接

图解

网站公告

今日签到

热门文章

最新发布

1. 在 `dim=0` 上拼接

2. 在 `dim=1` 上拼接

3. 在 `dim=2` 上拼接

1. 在 `dim=0` 上拼接

2. 在 `dim=1` 上拼接

3. 在 `dim=2` 上拼接

4. 在 `dim=3` 上拼接