拼接式张量的下扩展,表现为两个张量尺寸的和

1. 框架不同：

   • NumPy 是 Python 科学计算的基础库，主要用于处理多维数组和矩阵。
   • PyTorch 是深度学习框架，主要用于处理张量，支持 GPU 加速。

2. 函数名称和参数：

   • NumPy 使用 concatenate 和 stack 函数。
   • PyTorch 使用 cat 和 stack 函数。

3. 维度参数：

   • NumPy 使用 axis 参数指定沿哪个维度拼接。
   • PyTorch 使用 dim 参数指定沿哪个维度拼接。

4. 数据类型：

   • NumPy 主要处理 numpy.ndarray 数据类型。
   • PyTorch 主要处理 torch.Tensor 数据类型。

4. 具体拼接方式的区别

• concatenate vs cat：

  • numpy.concatenate 和 torch.cat 都用于将数组或张量沿指定维度拼接。
  • 需要注意的是，torch.cat 的 dim 参数和 numpy.concatenate 的 axis 参数是相同的意思，但命名不同。

• stack：

  • numpy.stack 和 torch.stack 都用于在新维度上堆叠数组或张量。
  • 使用 stack 时会增加一个新的维度，这在需要增加维度的拼接操作中非常有用。