PyTorch张量操作（拼接、切分、索引、维度变换）

张量拼接

使用torch.cat()

功能：将张量按维度dim进行拼接
示例：

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

t_0 = torch.cat([t, t], dim=0)
t_1 = torch.cat([t, t, t], dim=1)

print("t_0:{} shape:{}\nt_1:{} shape:{}".format(t_0, t_0.shape, t_1, t_1.shape))

结果：

t_0:tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]]) shape:torch.Size([4, 3])
t_1:tensor([[1., 1., 1., 1., 1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1., 1., 1., 1., 1.]]) shape:torch.Size([2, 9])

使用torch.stack()

功能：新创建一个维度dim，然后在新维度dim上进行拼接
示例：

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

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

print("\nt_stack:{} shape:{}".format(t_stack, t_stack.shape))

结果：

t_stack:tensor([[[1., 1., 1.],
         [1., 1., 1.]],

        [[1., 1., 1.],
         [1., 1., 1.]],

        [[1., 1., 1.],
         [1., 1., 1.]]]) shape:torch.Size([3, 2, 3])

对比

cat不会拓展维度，而stack一定会创建一个新维度，会拓展维度

张量切分

使用torch.chunk()

功能：按照指定维度dim进行平均切分，如果不能整除，那最后一份张量的结果小于平均张量，最后一份张量在dim维度上的大小为余数
示例：

a