PyTorch的合并与分割

一、合并

1. cat 函数

1. 规则：
   1. 所合并的数据的dim一致
   2. 要合并的维度上shape可以不一致，其余的shape必须一致
   3. 理解:[class,student]合并=>[class,student]，合并后的班级在含以上相同
2. 例子

a = torch.rand(4,3,16,32)
b = torch.rand(4,3,16,32)
# 第一参数，list，第二参数，再哪个维度合并
print(torch.cat([a,b],dim=2).shape)
# out: torch.Size([4, 3, 32, 32])

2.stack函数

1. 规则:
   1. 要合并的两个维度必须一致
   2. 会在合并的维度前插入一个新的维度
   3. 理解:[class,student]合并=>[class_id,class,student]，相当于合并后两个班级分开,意义上不同，比如dim=0维度上的班级是尖子班，dim=1维度上的班级是普通班。
2. 例子

print(' stack ')
print(torch.stack([a,b],dim=2).shape) # torch.Size([4, 3, 2, 16, 32]) ,在dim2插入一个新的维度

a = torch.rand(3,5)
b = torch.rand(3,5)
print(torch.stack([a,b],dim=0).shape)
# out : torch.Size([2, 3, 5])

二、分割

1. split函数

1. 规则:
   1. 给定在某一维度拆分后长度
   2. 给定在某一维度拆分后的每个长度
2. 例子

a = torch.rand(32,8)
b = torch.rand(32,8)
c = torch.stack([a,b],dim=0)
aa,bb = c.split([1,1],dim=0) # 给定要拆分的dim=0的shape
print('aa.shape=',aa.shape,' bb.shape=',bb.shape)
# aa.shape= torch.Size([1, 32, 8])  bb.shape= torch.Size([1, 32, 8])
aa,bb = c.split(1,dim=0) #在0维度差分成长度为1
print('aa.shape=',aa.shape,' bb.shape=',bb.shape)
# aa.shape= torch.Size([1, 32, 8])  bb.shape= torch.Size([1, 32, 8])

c = torch.rand(9,4)
aa,bb,cc = c.split(3,dim=0) # 拆分成3个size[3,4]
print(aa.shape,bb.shape,cc.shape)
# torch.Size([3, 4]) torch.Size([3, 4]) torch.Size([3, 4])
aa,bb,cc = c.split([2,3,4],dim=0)
print(aa.shape,bb.shape,cc.shape)
# torch.Size([2, 4]) torch.Size([3, 4]) torch.Size([4, 4])

2. chuck函数

1. 规则
   1. 参数:要分割的数量(不足的向上取整)，和维度
2. 例子

a = torch.rand(4,5,2)
aa,bb = a.chunk(2,dim=0)
print('aa.shape=',aa.shape,' bb.shape=',bb.shape)
# aa.shape= torch.Size([2, 5, 2])  bb.shape= torch.Size([2, 5, 2])
aa,bb = a.chunk(2,dim=1)
print('aa.shape=',aa.shape,' bb.shape=',bb.shape)
# aa.shape= torch.Size([4, 3, 2])  bb.shape= torch.Size([4, 2, 2])