Pytorch 维度拼接与维度拆分

1. 维度拼接

（1）cat：根据指定维度进行数据的合并。

通过指定维度拼接时，需要保证其它维度的size是相同的。

示例代码：

import torch

a = torch.rand(4, 32, 8)
b = torch.rand(5, 32, 8)
# 在第一个维度进行拼接
print(torch.cat([a, b], dim=0).shape)

输出结果：

torch.Size([9, 32, 8]

（2）stack：在指定维度的位置前插入新的维度。

stack需要保证两个Tensor的shape是一致的，这就像是有两类东西，它们的其它属性都是一样的（比如男的一张表，女的一张表）。使用stack时候要指定一个维度位置，在那个位置前会插入一个新的维度，因为是两类东西合并过来所以这个新的维度size是2，通过指定这个维度是0或者1来选择性别是男还是女。

示例代码：

c = torch.rand(4, 3, 32, 32)
d = torch.rand(4, 3, 32, 32)
print(torch.stack([c, d], dim=2).shape)
print(torch.stack([c, d], dim=0).shape)

输出结果：

torch.Size([4, 3, 2, 32, 32])
torch.Size([2, 4, 3, 32, 32])

2. 维度拆分

（1）split：按照指定维度的size进行拆分
对一个Tensor而言，要拆分的那个维度的size就是"这个维度的总长度"了，可以指定拆分后的几个Tensor各取多少长度，或者指定每个Tensor取多少长度。

示例代码：

import torch

a = torch.rand(2, 4, 3, 32, 32)
# 对0号维度拆分,拆分后每个Tensor取长度1
a1, a2 = a.split(1, dim=0)  
print(a1.shape, a2.shape)

b = torch.rand(4, 3, 32, 32)
# 对1号维度拆分,拆分后第一个维度取2,第二个维度取1
b1, b2 = b.split([2, 1], dim=1)  
print(b1.shape, b2.shape)

输出结果：

torch.Size([1, 4, 3, 32, 32]) torch.Size([1, 4, 3, 32, 32])
torch.Size([4, 2, 32, 32]) torch.Size([4, 1, 32, 32])

（2）chunk：按照份数等量拆分

给定在指定的维度上要拆分的份数，就会按照指定的份数尽量等量地进行拆分。

示例代码：

c = torch.rand(7, 4)
# 拆分成4份
c1, c2, c3, c4 = c.chunk(4, dim=0)
print(c1.shape, c2.shape, c3.shape, c4.shape

输出结果：

torch.Size([2, 4]) torch.Size([2, 4]) torch.Size([2, 4]) torch.Size([1, 4])