torch.stack() 和 torch.cat() 函数之间有什么区别? [英] What's the difference between torch.stack() and torch.cat() functions?

问题描述

OpenAI 用于强化学习的 REINFORCE 和 actor-critic 示例具有以下代码:

OpenAI's REINFORCE and actor-critic example for reinforcement learning has the following code:

强化:

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

演员评论家:

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

一个使用torch.cat，另一个使用torch.stack.

One is using torch.cat, the other uses torch.stack.

据我所知，文档 没有给出任何明确的区别他们之间.

As far as my understanding goes, the doc doesn't give any clear distinction between them.

我很高兴知道这些功能之间的区别.

推荐答案

stack

沿新维度连接张量序列.

猫

连接给定的seq张量序列在给定维度.

Concatenates the given sequence of seq tensors in the given dimension.

所以如果 A 和 B 的形状为 (3, 4)，torch.cat([A, B], dim=0) 的形状为 (6, 4) 而 torch.stack([A, B], dim=0) 的形状为 (2, 3, 4).

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).

这篇关于torch.stack() 和 torch.cat() 函数之间有什么区别?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！