张量的操作

一、拼接与切分

1.1 torch.cat()

功能:将张量按维度dim进行拼接
tensors:张量序列
dim:要拼接的维度
函数：torch.cat(tensors,dim=0,out=None)

t = torch.ones([2,3])
t_0 = torch.cat([t,t],dim=0)
t_1 = torch.cat([t,t],dim=1)

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

输出：shape:torch.Size([4, 3])
shape:torch.Size([2, 6])

1.2 torch.stack()

功能:在新创建的维度dim上进行拼接
tensors:张量序列
dim:要拼接的维度
函数：torch.stack(tensors,dim=0,out=None)

t_stack = torch.stack([t,t,t,t,t],dim=1)
print("\nt_stack:{} shape:{}".format(t_stack,t_stack.shape))

输出：torch.Size([2, 5, 3])

1.3 torch.chunk()

功能:将张量按维度dim进行平均切分
返回值:张量列表
注意事项:若不能整除，最后一份张量小于其他张量
input:要切分的张量
chunks:要切分额份数
函数：torch.chunk(input,chunks,dim=0)
【注】chunk向上取整

a = torch.ones((2,5))
list_of_tensor = torch.chunk(a,dim=1,chunks