pytorch张量拼接与切分

拼接

第一种方法 cat

在指定维度上拼接

t = torch.ones((3,2))

res = torch.cat([t, t], dim=0)
res

按行拼接，会生成一个（6，2）的张量

如果dim=1就是按列拼接，生成（3，4）的张量

如果是三维张量:

t = torch.ones((2,3,2))

res = torch.cat([t, t], dim=0)
res

这个时候dim=0是针对第三维的个数， dim=1，2才分别是行，列

第二种方法stack

在新创建的维度上拼接

t = torch.ones((3,2))

res = torch.stack([t, t], dim=0)
res

这里的dim=0会导致结果变成（x，3，2）的形式，这个x就等于stack中有几个t，这里就是（2，3，2）

同理，dim=1会生成（3，2，2）

切分

第一种split

在某个维度上进行切分

t = torch.ones((3,5))

list_of_tensor = torch.split(t, [2,1,2], dim=1)
for i in list_of_tensor:
    print(i)

比如这里就注明了在dim=1的维度上切分成三块，分别是2，1，2的大小，注意这里切分出来的总和要正好等于这个维度，即2+1+2=5，否则会报错

当然也可以直接注明每一份的大小
这里就规定每一份都是2，仍然在，那么就会出现2，2，1的结果

list_of_tensor = torch.split(t, 2, dim=1)
for i in list_of_tensor:
    print(i)

第二种chunk

这种方法规定chunks， 即要切分的份数
假设总数7份，要切出3份，是不能整除的，就会出现3，3，1的结果，同理总数7份，切成4份，也不能整除，就会出现2，2，2，1的结果

t = torch.ones((3,7))

list_of_tensor = torch.chunk(t, chunks = 4, dim=1)
for i in list_of_tensor:
    print(i)