文章目录
张量的索引,分片,合并以及维度调整
张量作为有序的序列,也具备数值索引的功能,并且基本索引方法和Python原生的列表, Numpy中的数组一致.
不同的是Pytorch中还定义了采用函数来进行索引的方式.
作为Pytorch中基本数据类型, 张量具备了列表,数组的基本功能,同事还充当这向量,矩阵,甚至是数据框等重要数据结构, 因此Pytorch中也设置了非常完备的张量合并与变化操作.
1. 张量的符号索引
张量也是有序序列,可以根据每个元素在系统内的顺序"编号",来找出特定的元素,也就是索引.
一维张量索引
一维张量的索引过程和Python原生对象类型的索引一致,基本格式遵循[start: end: step]
二维张量索引
三维张量索引
Tensor.view()方法
2. 张量的分片函数
分块:chunk函数
拆分: split函数
3. 张量的合并操作
拼接函数cat
拼接的本质是实现元素的堆积,也就是构成a b两个二维张量的各一维张量的堆积,最终还是构成二维张量
堆叠函数stack
4. 张量的维度变换
squeeze函数: 删除不必要的维度