根本区别在于是否新增维度：torch.cat在现有维度拼接，要求除拼接维外其余维度一致；torch.stack新增维度堆叠，要求所有维度完全相同。
torch.cat 和 torch.stack 的根本区别在哪
关键看维度：如果想把多个 tensor 拼成更长的同一维（比如把 3 个 [2, 4] 拼成 [6, 4]），用 torch.cat；如果想新增一个维度把它们“堆叠”起来（比如变成 [3, 2, 4]），必须用 torch.stack。混淆这两者是报错最常见原因——torch.cat 要求除拼接维外其余维度完全一致，而 torch.stack 要求所有维度都一致。
torch.cat 报 “Sizes of tensors must match except in dimension” 怎么修
这是典型形状不匹配错误。比如你有 a = torch.randn(2, 3)、b = torch.randn(2, 4)，直接 torch.cat([a, b], dim=1) 就会崩，因为第 0 维都是 2，但第 1 维 3 ≠ 4。
- 检查每个张量的
.shape，确认只有一维允许不同（即你要传给dim=的那一维） - 常用补救：用
torch.nn.functional.pad对齐尺寸，或用torch.unsqueeze先升维再 cat（但这时往往该用 stack） -
dim参数别写错：dim=0是按行拼（竖着接），dim=1是按列拼（横着接），负索引如dim=-1也合法
torch.stack 必须所有 tensor 形状完全一样吗
是的，一个都不能差。哪怕只是 [2, 3] 和 [2, 3, 1] 都不行——后者多了一维。stack 的本质是“把 N 个同形张量打包进新 batch”，所以输入必须严格同形。
python-script-generator
下载
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
- 常见误操作：试图用
torch.stack合并不同长度的序列（比如 NLP 中变长句子）。这不行，得先 pad 到等长，再 stack - 如果只是想加一个维度（比如把标量列表转为 1D tensor），用
torch.tensor([...])更直接，不用 stack - 性能提示：stack 比 cat 多一次内存拷贝，因要分配新维度空间；若只是临时拼接做计算，cat 通常更快
实际合并列表里一堆 tensor 的惯用写法
别手写 torch.cat([t0, t1, t2, ...])，直接传 list。但注意 list 不能为空，且元素必须是 tensor（不是 numpy 或 python list）。
立即学习“Python免费学习笔记（深入）”；
ts = [torch.randn(2, 5) for _ in range(3)] # 正确 merged = torch.cat(ts, dim=0) # → [6, 5] stacked = torch.stack(ts, dim=0) # → [3, 2, 5] <h1>错误示例（容易忽略）</h1><p>bad_list = [torch.randn(2, 5), [1, 2, 3]] # 混了 tensor 和 list torch.cat(bad_list, dim=0) # TypeError: expected Tensor as element 1
真正麻烦的是混合设备（CPU + CUDA）或混合 dtype（float32 + int64）——cat 和 stack 都会直接报错，必须提前统一。
