PyTorch中如何通过创建新维度拼接张量？有无更简便方法？

嘿，你想要的这种“创建新维度来拼接”的操作，PyTorch里其实有好几个更简洁的实现方式，不用手动加None再cat，下面给你介绍两个最常用的：

1. 使用torch.stack() - 通用的新维度堆叠 #

torch.stack()就是专门为这种场景设计的！它会自动帮你在指定的位置插入一个新维度，然后把所有输入张量沿着这个新维度拼接起来，而且要求所有输入张量的形状完全一致（正好符合你重复x的需求）。

示例代码：

import torch
x = torch.randn(2, 3)

# 在dim=0的位置创建新维度并堆叠4次x
stack_result = torch.stack([x, x, x, x], dim=0)
# 或者用列表生成式更简洁：torch.stack([x]*4, dim=0)
print(stack_result.shape)  # 输出: torch.Size([4, 2, 3])

如果想把新维度放在中间或者最后，只需要调整dim参数就行，比如dim=1会得到(2,4,3)，dim=-1会得到(2,3,4)，非常灵活。

2. 使用torch.repeat() - 重复单个张量的快捷方式 #

如果你只是想把同一个张量重复多次并新增维度，torch.repeat()会更省事，不用写多个x的列表。它的参数是每个维度的重复次数，我们只需要在原张量的维度前面加一个重复次数，就能实现新增维度的效果：

示例代码：

repeat_result = x.repeat(4, 1, 1)
print(repeat_result.shape)  # 输出: torch.Size([4, 2, 3])

这里的(4,1,1)表示：在新增的第一个维度重复4次，原有的两个维度（2和3）各重复1次（也就是保持不变）。本质上相当于先给x新增一个维度变成(1,2,3)，然后在第一个维度重复4次。

额外小技巧：内存友好的expand() #

如果你的张量很大，不想复制太多内存，可以先用unsqueeze()新增维度，再用expand()进行广播式扩展（不会实际复制数据，只是逻辑上扩展）：

expand_result = x.unsqueeze(0).expand(4, 2, 3)
print(expand_result.shape)  # 输出: torch.Size([4, 2, 3])

不过要注意，expand()得到的张量和原张量共享内存，如果后续对它进行修改，会影响原张量，适合只读场景使用。

内容的提问来源于stack exchange，提问作者Ben