PyTorch关于张量的拆分与合并方法: stack(), cat(), split(), chunk()

张量的拆分与合并常用于深度学习中，接下来主要介绍四个关于张量的拆分与合并方法：stack，cat，split，chunk

---

stack

1. 功能：在一个新的维度上堆叠Tensor矩阵。
2. 用法：torch.stack( tensors, dim=0, out=None) 返回值为tensor

注意：所有将被堆叠的Tensor必须保持同样尺度，且堆叠后会产生新的维度。

a,b,c=torch.rand(2,3),torch.rand(2,3),torch.Tensor([])
# 测试out参数
torch.stack([a,b],dim=0,out=c)
print(c)
c=torch.stack([a,b],dim=0)
print(c)
# 测试dim参数
c=torch.stack([a,b],dim=1)
print(c)
# 测试tensors参数
c = torch.stack([a,b],dim=0) # 此时tensors是一个Tensor张量序列
d = torch.stack([a,torch.rand(3,4)],dim=0) # 此时报错，原因是，两个张量尺度不同。

初始化：
dim=0,dim=1

尺度不一致会报错

cat

1. 功能：在给定的维度上堆叠Tensor序列。
2. 用法：torch.cat( tensors, dim=0, out=None) 返回值为tensor

注意：所有将被堆叠的Tensor要么同样尺度，要么为空，且堆叠后特征维度不变。

a,b,c = torch.rand(2,3),torch.rand(2,3),torch.Tensor()
torch.cat([a,b],dim=0)
torch.cat((a,b),dim=1）

不同于stack，cat不会产生新的维度；

split

1. 功能：拆分Tensor为若干块。
2. 用法：torch.split( tensors, split_size_or_section,dim=0) 返回值为tensor

a = torch.rand(4,6)
# 两种拆分方式：
# 第一种
b,c = torch.split(a,split_size_or_section=2,dim=0)
# 第二种
b,c = torch.split(a,split_size_or_section=[2,2],dim=0)

chunk

1. 功能：拆分Tensor为若干块。
2. 用法：torch.chunk( tensors, chunks,dim) 返回值为tensor

a = torch.rand(4,6)
b,c = torch.chunk(a,2,dim=0)
b,c = torch.chunk(a,2,dim=1)

---

至此，简单介绍完成。有问题可以评论留言，共同学习。