如何合并两个Tensor？实现指定拼接结果的方法咨询

嘿，看来你需要把两个一维Tensor按顺序拼接成一个更长的一维Tensor对吧？从你想要的结果c = [1, 2, 3, 4, 5, 6]来看，直接用框架自带的拼接函数就能搞定，下面分两种常用深度学习框架给你具体实现方法：

如果你用的是PyTorch，torch.cat()就是专门用来拼接Tensor的工具，只需要指定拼接的维度就行：

• 假设你的a和b是一维Tensor：

  import torch
  a = torch.tensor([1, 2, 3])
  b = torch.tensor([4, 5, 6])
  # dim=0表示沿着第一个维度（一维Tensor的唯一维度）拼接
  c = torch.cat((a, b), dim=0)
  print(c)  # 输出: tensor([1, 2, 3, 4, 5, 6])
  

• 如果你的a、b是高维Tensor，但需要先展平再拼接，可以先用flatten()或者view(-1)处理：

  # 示例：2x3的高维Tensor
  a = torch.tensor([[1,2,3],[7,8,9]])
  b = torch.tensor([[4,5,6],[10,11,12]])
  c = torch.cat((a.flatten(), b.flatten()), dim=0)
  print(c)  # 输出: tensor([ 1,  2,  3,  7,  8,  9,  4,  5,  6, 10, 11, 12])
  

要是用TensorFlow，对应的拼接函数是tf.concat()，用法和PyTorch类似：

• 一维Tensor的情况：

  import tensorflow as tf
  a = tf.constant([1, 2, 3])
  b = tf.constant([4, 5, 6])
  # axis=0对应一维Tensor的拼接维度
  c = tf.concat([a, b], axis=0)
  print(c.numpy())  # 输出: [1 2 3 4 5 6]
  

• 高维Tensor展平拼接的情况，用tf.reshape()或者tf.flatten()处理：

  # 示例：2x3的高维Tensor
  a = tf.constant([[1,2,3],[7,8,9]])
  b = tf.constant([[4,5,6],[10,11,12]])
  c = tf.concat([tf.reshape(a, [-1]), tf.reshape(b, [-1])], axis=0)
  print(c.numpy())  # 输出: [ 1  2  3  7  8  9  4  5  6 10 11 12]
  

内容的提问来源于stack exchange，提问作者guorui