張量的拼接有兩種主要的基本策略：
不增加張量的維度，只增加某個維度方向的長度：cat（）
增加張量的維度，不增加單個維度方向的長度：stack（）
第2章 增加張量長度的拼接：cat（）
2.1 基本原理
2.2 函數說明
功能：在不改變張量維度的情況下，通過增加張量在某個維度方向的長度，把兩個張量拼接起來。
原型：cat(input, dim)
輸入參數:
input: 輸入張量
dim：拼接的方向
2.3 代碼示例
（1）按照dim =0 的方向拼接
# 張量的拼接：階數不變，增加dim方向的長度
a = torch.Tensor([[1,1,1,1], [2,2,2,2],[3,3,3,3]])
b = torch.Tensor([[4,4,4,4], [5,5,5,5],[5,5,5,5]])
print("源張量")
print(a)
print(a.shape)
print(b)
print(b.shape)
print("\n按照dim=0方向拼接")
c = torch.cat((a,b),dim=0)
print(c)
print(c.shape)
輸出：
源張量
tensor([[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.]])
torch.Size([3, 4])
tensor([[4., 4., 4., 4.],
[5., 5., 5., 5.],
[5., 5., 5., 5.]])
torch.Size([3, 4])
按照dim=0方向拼接
tensor([[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.],
[4., 4., 4., 4.],
[5., 5., 5., 5.],
[5., 5., 5., 5.]])
torch.Size([6, 4])
（2）按照dim=1的方向進行拼接
# 張量的拼接：增加階數，
a = torch.Tensor([[1,1,1,1], [2,2,2,2],[3,3,3,3]])
b = torch.Tensor([[4,4,4,4], [5,5,5,5],[5,5,5,5]])
print("源張量")
print(a)
print(a.shape)
print(b)
print(b.shape)
print("\n按照dim=0方向拼接：擴展階數")
c = torch.stack((a,b),dim=0)
print(c)
print(c.shape)
輸出：
源張量
tensor([[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.]])
torch.Size([3, 4])
tensor([[4., 4., 4., 4.],
[5., 5., 5., 5.],
[5., 5., 5., 5.]])
torch.Size([3, 4])
按照dim=1方向拼接
tensor([[1., 1., 1., 1., 4., 4., 4., 4.],
[2., 2., 2., 2., 5., 5., 5., 5.],
[3., 3., 3., 3., 5., 5., 5., 5.]])
torch.Size([3, 8])
第3章 增加張量維度的拼接：stack（）
3.1 基本原理
stack堆疊，可以增加一個維度，因此案例中dim=0,1,2 三種情形,在三種方向進行堆疊。
（1）按照dim = 0的方向堆疊
（2）按照dim = 1的方向堆疊
（3）按照dim = 2的方向堆疊
2.2 函數說明
功能：通過增加張量維度，把兩個張量堆疊起來，堆疊后，維度增加1.
原型：stack(input, dim)
輸入參數:
input: 輸入張量
dim：拼接的方向，這里的dim是指拼接后張量的dim，而不是原張量的dim
2.3 代碼示例
（1）dim=0的方向
# 張量的拼接：增加階數，
a = torch.Tensor([[1,1,1,1], [2,2,2,2],[3,3,3,3]])
b = torch.Tensor([[4,4,4,4], [5,5,5,5],[5,5,5,5]])
print("源張量")
print(a)
print(a.shape)
print(b)
print(b.shape)
print("\n按照dim=0方向拼接：擴展階數")
c = torch.stack((a,b),dim=0)
print(c)
print(c.shape)
輸出：
源張量
tensor([[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.]])
torch.Size([3, 4])
tensor([[4., 4., 4., 4.],
[5., 5., 5., 5.],
[5., 5., 5., 5.]])
torch.Size([3, 4])
按照dim=0方向拼接：擴展階數
tensor([[[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.]],
[[4., 4., 4., 4.],
[5., 5., 5., 5.],
[5., 5., 5., 5.]]])
torch.Size([2, 3, 4])
（2）dim=1的方向
a = torch.Tensor([[1,1,1,1], [2,2,2,2],[3,3,3,3]])
b = torch.Tensor([[4,4,4,4], [5,5,5,5],[5,5,5,5]])
print("源張量")
print(a)
print(a.shape)
print(b)
print(b.shape)
print("\n按照dim=1方向拼接：擴展階數")
c = torch.stack((a,b),dim=1)
print(c)
print(c.shape)
輸出：
源張量
tensor([[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.]])
torch.Size([3, 4])
tensor([[4., 4., 4., 4.],
[5., 5., 5., 5.],
[5., 5., 5., 5.]])
torch.Size([3, 4])
按照dim=1方向拼接：擴展階數
tensor([[[1., 1., 1., 1.],
[4., 4., 4., 4.]],
[[2., 2., 2., 2.],
[5., 5., 5., 5.]],
[[3., 3., 3., 3.],
[5., 5., 5., 5.]]])
torch.Size([3, 2, 4])
（3）dim=2的方向
a = torch.Tensor([[1,1,1,1], [2,2,2,2],[3,3,3,3]])
b = torch.Tensor([[4,4,4,4], [5,5,5,5],[5,5,5,5]])
print("源張量")
print(a)
print(a.shape)
print(b)
print(b.shape)
print("\n按照dim=2方向拼接：擴展階數")
c = torch.stack((a,b),dim=2)
print(c)
print(c.shape)
輸出：
源張量
tensor([[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.]])
torch.Size([3, 4])
tensor([[4., 4., 4., 4.],
[5., 5., 5., 5.],
[5., 5., 5., 5.]])
torch.Size([3, 4])
按照dim=2方向拼接：擴展階數
tensor([[[1., 4.],
[1., 4.],
[1., 4.],
[1., 4.]],
[[2., 5.],
[2., 5.],
[2., 5.],
[2., 5.]],
[[3., 5.],
[3., 5.],
[3., 5.],
[3., 5.]]])
torch.Size([3, 4, 2])