问题描述
我最近对张量有些困惑。假设我们有一个张量为（3,2,3,4）的张量，这意味着在第一维中有3组数字？还是仅仅意味着一维中只有3个数字？
然后是第二个问题，张量A的形状为（3,2），为什么torch.max（A，0）的输出返回一组包含2个最大值的最大值考虑到在第一维中有3个数字这一事实。
>>>a = torch.randn(3,2)
a tensor([[-1.1254,-0.1549],[-0.5308,1.0427],[-0.1268,1.0866]])
>>>torch.max(a,0)
torch.return_types.max(
values=tensor([-0.1268,1.0866]),indices=tensor([2,2]))
我的意思是为什么它不返回3个最大值的列表？
然后是第三个问题，如果我们有两个形状为（3,10,2）和（2,4,1）的张量，是否可以将这两个张量在第三个维度上串联起来，考虑它们具有在那个尺寸上相同的尺寸？如果可行，背后的原因是什么？
如果您能帮助我理解这一点，我将不胜感激！
解决方法
张量只是向量的高级维度。您应该先从向量开始。例如：4个元素矢量A = [1,2,3,4]。一个6个向量A在一起是B = [[1,4]，[1,4]，...，[1,4]]。这称为矩阵（2维），形状为6x4。现在，如果采用2个矩阵B，它将形成张量C，形状为（2,6,4）。将C扩展为3 C的列表，可以得到4维张量（3,4），依此类推。您可以拍这张照片以更好地说明。
对于割炬最大值torch.max(input,dim,keepdim=False,out=None)，当您选择dim = 0时（减小尺寸即可表示沿0轴（又称第一个形状）找到最大值，它将沿该轴移动要找到对应于其余张量的最大数（根据张量，您只需要检入2个元素向量）即可。如果将其扩展为更高的尺寸（例如（3,4,5）形状），最大值为（4,5）。
对于最后一个问题，该张量不存在。因为当您查看图示时，您无法仅基于1个形状来连接2个不同大小的匹配张量。除了要连接的尺寸外，所有尺寸都必须保持相同的形状。
>>> b = np.random.randint(0,size=(2,3))
>>> a = np.random.randint(0,1,3))
>>> np.concatenate([a,b],axis=2)
否则，唯一的方法就是将2个张量都展平，这样就只需要一个向量表示a和b。
,关于您的第一个答案：考虑图片。这样一来，可视化就会很简单。或者在您的示例中，堆叠了x = np.zeros((3,4))个3个3d张量，每个张量为（2,4）。
对于第二个问题，您至少应具有n-1个相同的维度才能连接到第n个维度。下面的图片将有助于您理解。
您提到的第三个问题max(a,0)，其中0代表轴，基本上是列，并且正在寻找每一列的最大值。