PyTorch 中的连接张量

我有一个张量叫做data形状的[128, 4, 150, 150]其中 128 是批量大小，4 是通道数，最后 2 个维度是高度和宽度。我有另一个张量叫做fake形状的[128, 1, 150, 150].

我想放弃最后一个list/array从第 2 维data;数据的形状现在是[128, 3, 150, 150];并将其与fake给出串联的输出维度为[128, 4, 150, 150].

基本上，换句话说，我想连接前 3 个维度data with fake给出 4 维张量。

我正在使用 PyTorch 并遇到了这些函数torch.cat() and torch.stack()

这是我编写的示例代码：

fake_combined = []
        for j in range(batch_size):
            fake_combined.append(torch.stack((data[j][0].to(device), data[j][1].to(device), data[j][2].to(device), fake[j][0].to(device))))
fake_combined = torch.tensor(fake_combined, dtype=torch.float32)
fake_combined = fake_combined.to(device)

但我在该行中收到错误：

fake_combined = torch.tensor(fake_combined, dtype=torch.float32)

错误是：

ValueError: only one element tensors can be converted to Python scalars

另外，如果我打印的形状fake_combined，我得到的输出为[128,]代替[128, 4, 150, 150]

当我打印形状时fake_combined[0]，我得到的输出为[4, 150, 150]，这符合预期。

所以我的问题是，为什么我无法使用将列表转换为张量torch.tensor()。我错过了什么吗？有没有更好的方法来做我想做的事情？

任何帮助将不胜感激！谢谢！

@rollthedice32 的答案非常好。出于教育目的，这里使用torch.cat

a = torch.rand(128, 4, 150, 150)
b = torch.rand(128, 1, 150, 150)

# Cut out last dimension
a = a[:, :3, :, :]
# Concatenate in 2nd dimension
result = torch.cat([a, b], dim=1)
print(result.shape)
# => torch.Size([128, 4, 150, 150])