4-1 张量的结构操作

张量结构操作主要包括：张量创建，索引切片，维度变换，合并分割。

一、创建张量

张量创建的许多方法和numpy中创建array的方法很像。以下记录一些比较常用的操作：

（1）直接采用torch.tensor创建，指定数据类型为torch.float

（2）torch.arrage()函数

（3）torch.range()函数

（4）torch.linspace()

（5）torch.zeros()

（6）torch.ones() 和 torch.zeros_like()

（7）torch.fill_()

（8）正态随机分布

（8）特殊矩阵

二、索引切片

规则切片：

例如，采用均匀随机分布创建一个矩阵：

第0行：

倒数第一行：

第1行至第3行：

第1行至最后一行，第0列到最后一列每隔两列取一列：

可以使用索引和切片修改部分元素：

省略号可以表示多个冒号：

不规则切片：

以上切片方式相对规则，对于不规则的切片提取,可以使用torch.index_select, torch.take, torch.gather, torch.masked_select.
考虑班级成绩册的例子，有4个班级，每个班级5个学生，每个学生7门科目成绩。可以用一个4×5×7的张量来表示。

torch.floor()返回具有 input 元素下限的新张量，最大整数小于或等于每个元素。例如：

torch.index_select()

抽取每个班级第0个学生，第2个学生，第4个学生的全部成绩：

抽取每个班级第0个学生，第2个学生，第4个学生的第1门课程，第3门课程，第6门课程成绩

torch.take()

torch.masked_select()

以上这些方法仅能提取张量的部分元素值，但不能更改张量的部分元素值得到新的张量。
如果要通过修改张量的部分元素值得到新的张量，可以使用torch.where,torch.index_fill 和 torch.masked_fill

torch.where()

torch.where可以理解为if的张量版本

torch.index_fill()

torch.masked_fill()

三、维度变换

torch.view()

torch.reshape()

torch.reshape 可以改变张量的形状。

torch.squeeze()

如果张量在某个维度上只有一个元素，利用torch.squeeze可以消除这个维度。

torch.unsqueeze()

torch.unsqueeze的作用和torch.squeeze的作用相反。

torch.transpose()

torch.transpose可以交换张量的维度，torch.transpose常用于图片存储格式的变换上。
如果是二维的矩阵，通常会调用矩阵的转置方法 matrix.t()，等价于 torch.transpose(matrix,0,1)。

四、合并分割

可以用torch.cat方法和torch.stack方法将多个张量合并，可以用torch.split方法把一个张量分割成多个张量。
torch.cat和torch.stack有略微的区别，torch.cat是连接，不会增加维度，而torch.stack是堆叠，会增加维度。

torch.cat()

第0维：

第1维：

torch.stack()

第0维：

第1维：

torch.split()

torch.split是torch.cat的逆运算，可以指定分割份数平均分割，也可以通过指定每份的记录数量进行分割。

参考：https://github.com/lyhue1991/eat_pytorch_in_20_days