1.设置

a = torch.rand((5,2,18,4096)) # 5,2,18,4096

1.将堆叠尺寸移动到顶部

a = a.permute(0,2,1,3) # 5,18,2,4096

1.堆叠前2维

a = torch.vstack(list(a)) # 90,2,4096

1.置换

a = a.permute(1,0,2) # 2,90,4096

我确实得到了一个解决这个问题的一般方法，但是有没有更好的方法呢？还有，它在数学上也正确吗？

chunks = torch.Tensor(self.buffer) #shape is [5, 2, 18, 4096]
chunks = chunks.permute(1, 0, 2, 3)
chunks = chunks.reshape(chunks.shape[0], chunks.shape[1]*chunks.shape[2], chunks.shape[-1]) 
#the resulting shape is [2, 90, 4096]

事实证明有一个非常简单的方法：torch.hstack始终沿着第二维（即沿轴1）堆叠。例如，考虑以下情况：

start = torch.arange(120).reshape([5,4,3,2])
result = torch.hstack(list(start))

Tensorstart的形状为5，4，3，2，但result的形状为（4，15，2），这是由沿着轴1堆叠5个（4，3，2）阵列而得到的。
将list应用于多维Tensor，将Tensor沿着主轴分解，list(start)是包含5个（4，3，2）形Tensor的列表。