Pytorch的数组操作使用

Pytorch的数组操作

常用函数

• np.stack

arrays = [np.random.randn(3, 4) for _ in range(10)]
np.stack(arrays, axis=0).shape # (10, 3, 4)

• torch.cat(seq,dim =0)
  沿着dim连接seq中的tensor, 所有的tensor必须有相同的size或为empty， 其相反的操作为 torch.split() 和torch.chunk()

import torch
a  = torch.tensor([[1,2],
                   [3,4]])
b  = torch.tensor([[2,4],
                   [6,8]])
e  = torch.tensor([[3,9],
                   [18,27]])
c  = torch.cat((a,b,e),0)
d1 = torch.split(c, 3, dim=0)
d2 = torch.chunk(c, 4, dim=0)
print '\nc:\n',c
print '\nd1:\n',d1
print '\nd2:\n',d2

output:

c:
tensor([[ 1,  2],
        [ 3,  4],
        [ 2,  4],
        [ 6,  8],
        [ 3,  9],
        [18, 27]])

d1:
(tensor([[1, 2],
        [3, 4],
        [2, 4]]), tensor([[ 6,  8],
        [ 3,  9],
        [18, 27]]))

d2:
(tensor([[1, 2],
        [3, 4]]), tensor([[2, 4],
        [6, 8]]), tensor([[ 3,  9],
        [18, 27]]))

• torch.stack
  #同上, .cat 和 .stack的区别在于 cat会增加现有维度的值,可以理解为续接，stack会新加增加一个维度，可以
  理解为叠加
• torch.squeeze
• [np.newaxis,:]
• torch.full

torch.full((2,3),1)

output

tensor([[1., 1., 1.],
        [1., 1., 1.]])