PyTorch技术问询：如何扩展张量维度并追加元素（从[1,2,3]到[[1,2,3,4]]）

我来帮你一步步搞定这个问题～首先得明确两个需求的本质区别：从1D转2D是调整张量维度结构，而从3个元素扩展到4个是新增元素，这俩需要的方法完全不同，你之前用expand()没成功，是因为它的作用和你预期的不一样，下面给你拆解清楚：

第一步：把1D张量 tensor([1,2,3]) 转成2D的 tensor([[1,2,3]]) #

这里有几种简单易用的方法，选哪种都可以：

• 用unsqueeze()新增维度：这是最直观的方式，专门用来给张量添加新维度。unsqueeze(0)表示在第0个维度（行维度）新增一个维度：

  import torch
  x = torch.tensor([1, 2, 3])
  x_2d = x.unsqueeze(0)
  # 输出结果：tensor([[1, 2, 3]])
  

  你也可以用简写x[None, :]，效果完全一致，写法更简洁。

• 用reshape()重塑维度：如果明确目标维度的大小，reshape可以直接调整张量形状，其中-1表示让PyTorch自动计算该维度的长度：

  x_2d = x.reshape(1, -1)
  

• 用view()（适用于连续存储的张量）：和reshape功能类似，但要求张量是连续存储的，如果你确定张量没有被修改过，用这个也没问题：

  x_2d = x.view(1, 3)
  

第二步：把2D张量 tensor([[1,2,3]]) 扩展成 tensor([[1,2,3,4]]) #

这里要重点说明：expand()的作用是重复已有维度的元素（比如把1行扩展成5行，每行都是[1,2,3]），但它不能新增全新的元素，所以没法直接用它实现从3个元素到4个元素的扩展。你可以用以下几种方法：

方法1：用torch.cat()拼接新元素 #

先创建一个包含4的2D张量，然后和原张量在列维度（dim=1）上拼接：

# 先得到第一步的x_2d = tensor([[1,2,3]])
new_tensor = torch.cat([x_2d, torch.tensor([[4]])], dim=1)
# 输出结果：tensor([[1, 2, 3, 4]])

方法2：用F.pad()填充指定值 #

如果是要在张量末尾填充固定值，可以用torch.nn.functional.pad，参数(0,1)表示在最后一个维度（列）的左侧填0个元素，右侧填1个元素，填充值设为4：

import torch.nn.functional as F
new_tensor = F.pad(x_2d, (0, 1), mode='constant', value=4)

方法3：直接创建新张量（适合元素固定的场景） #

如果你的元素是确定的，直接创建新张量是最省事的：

new_tensor = torch.tensor([[1, 2, 3, 4]])

最后再补充下expand()的正确用法：比如你有x_2d = tensor([[1,2,3]])，想把它变成3行的张量，就可以用x_2d.expand(3, 3)，结果会是tensor([[1,2,3],[1,2,3],[1,2,3]])——它只是重复已有元素，并不会新增哦～

内容的提问来源于stack exchange，提问作者GreMal