导读 在深度学习中，`torch.cat` 是一个非常实用的函数，用于将两个张量沿指定维度拼接在一起。最近看到标题提到 `torch.cat((q[0], k[0]), ...
在深度学习中，`torch.cat` 是一个非常实用的函数，用于将两个张量沿指定维度拼接在一起。最近看到标题提到 `torch.cat((q[0], k[0]), dim=1)`，今天就来聊聊它的具体用法吧！🔍
假设你有两个形状相同的张量 `q[0]` 和 `k[0]`，它们可能是模型中间层的输出。如果你想将这两个张量在列方向上合并（即增加特征的数量），就可以使用 `torch.cat` 函数。例如，`dim=1` 表示沿着第二维（列）进行拼接。💡
代码示例：
```python
import torch
q = [torch.randn(2, 3), ...] 假设 q 是一个列表
k = [torch.randn(2, 3), ...] 假设 k 是另一个列表
result = torch.cat((q[0], k[0]), dim=1)
```
这样操作后，`result` 的形状会变成 `(2, 6)`，即将两个张量的列数相加。🚀
简单来说，`torch.cat` 就像给数据“加宽”，帮助模型捕捉更多特征信息。掌握它，你的代码效率和可读性都会大大提升哦！💪
PyTorch 深度学习 代码技巧