可以直接看最下面的例子，再回头看前面的解释 在pytorch中，常见的拼接函数主要是两个，分别是： stack() cat() 实际使用中，这两个函数互相辅助：关于cat()参考这个torch.cat()，但是本文主要说stack()。 前言 函数的意义：使用stack是为了保留–[1. 序列(先后)] 和 [2. 张量矩阵] 信息， 常出现在自然语言处理（NLP）和图像卷积神经网络(CV)中。 1. stack()官方解释 官方解释：沿着一个新维度对输入张量序列进行连接。 序列中所有的张量都应

可以直接看最下面的例子，再回头看前面的解释，就很明白了。 在pytorch中，常见的拼接函数主要是两个，分别是： stack() cat() 一般torch.cat()是为了把函数torch.stack()得到tensor进行拼接而存在的。 区别参考链接torch.stack()，但是本文主要说cat()。 前言 和python中的内置函数cat()， 在使用和目的上，是没有区别的。 1. cat()官方解释 —-torch.cat(inputs, dim=0) → Tensor 函数目的： 在