【Pytorch】Tensor维度的拼接与拆分

1. 拼接与拆分常用API

  • cat函数
  • stack函数
  • split函数
  • chunk函数

2. 按照维度合并Tensor

2.1 cat函数

def cat(tensors, dim) -> Tensor
  • tensors:需要合并的Tensor
  • dim:按照维度dim进行合并
  • 注意:想要拼接的维度上的值可以不同,但是其它维度上的值必须相同,并且两个 Tensor 的维度最大值必须相同
a = torch.rand(4, 32, 8)  # 含义: 4个班级,每个班级32个人,每个人8门课成绩
b = torch.rand(5, 32, 8)  # 含义: 5个班级,每个班级32个人,每个人8门课成绩

# 合并成绩单
c = torch.cat([a,b], dim=0)
print(c.shape)     #  torch.Size([9, 32, 8])	-> 9个班级,每个班级32个人,每个人8门课成绩

解释:从班级维度( 0D )将成绩进行合并,两个 Tensor 中的 0D 中的值可以不同,但是其他维度上的值必须相同

二维矩阵理解 cat 函数

按行拼接:Tensor1 是 3 行 4 列,Tensor2 是 2 行 4列,将 Tensor1 和 Tensor2 按行拼接,变成 Tensor3 是 5 行 4 列

按列拼接:Tensor1 是 3 行 4 列,Tensor2 是 3 行 5 列,将 Tensor1 和 Tensor2 按行拼接,变成 Tensor3 是 3 行 9 列

2.2 stack函数

def stack(tensors, dim) -> Tensor
  • tensors:需要合并的Tensor
  • dim:将新产生的维度放在 dim 维度
  • 注意:需要合并的这些个Tensor,维度个数必须相等,维度中的值也必须相等
a = torch.rand(32, 8)  # 含义: A班级32个人,每个人8门课成绩
b = torch.rand(32, 8)  # 含义: B班级32个人,每个人8门课成绩
c = torch.rand(32, 8)  # 含义: C班级32个人,每个人8门课成绩

# 将三个班级用一个Tensor表示:增加一个维度表示班级
d = torch.stack([a, b, c], dim=0)
print(d.shape)  # torch.Size([3, 32, 8])  -> 含义:3个班级,每个班级32个人,每个人8门课成绩

3. 按照维度拆分Tensor

3.1 split函数

def split(split_size, dim=0)
  • dim:表示需要拆分的维度
  • split_size
    • 如果是一个数字num,表示将维度为dim中的值按照num进行平均拆分成多个Tensor;
    • 如果是一个[num1, num2, num3, …],表示将该维度中的值按照num进行分配生成指定个数的Tensor
  • 功能:按照某维度的长度来拆分
d = torch.rand(3, 32, 8)  # 含义:3个班级,每个班级32个人,每个人8门课成绩
# 将这个Tensor按照班级维度进行拆分成三个班级Tensor
a, b, c = d.split([1, 1, 1], dim=0)
print(a.shape)  # torch.Size([1, 32, 8]) -> 含义: A班级32个人,每个人8门课成绩
print(b.shape)  # torch.Size([1, 32, 8]) -> 含义: B班级32个人,每个人8门课成绩
print(c.shape)  # torch.Size([1, 32, 8]) -> 含义: C班级32个人,每个人8门课成绩

c = torch.rand(4, 32, 8)  # 含义:4个班级,每个班级32个人,每个人8门课成绩
# 将这个Tensor按照班级维度拆分成两个班级为一个的Tensor
a, b = c.split(2, dim=0)
print(a.shape)  # torch.Size([2, 32, 8]) -> 含义: 该Tensor有2个班级,每个班级32个人,每个人8门课成绩
print(b.shape)  # torch.Size([2, 32, 8]) -> 含义: 该Tensor有2个班级,每个班级32个人,每个人8门课成绩

可能的报错:拆分的值 与 接收Tensor的变量的个数 不合适时

ValueError: not enough values to unpack (expected 3, got 2)

ValueError: too many values to unpack (expected 3)

3.2 chunk函数

def chunk(chunks, dim=0) -> List of Tensors
  • chunks:要产生Tensor的个数

  • dim:拆分的维度

  • 功能:将维度为 dim 中的值平均分给chunks个Tensor

  • 按照某维度的数量来拆分

d = torch.rand(6, 32, 8)  # 含义:6个班级,每个班级32个人,每个人8门课成绩
a, b, c = d.chunk(3, dim=0)
print(a.shape)  # torch.Size([2, 32, 8]) -> 含义: 该Tensor有2个班级,每个班级32个人,每个人8门课成绩
print(b.shape)  # torch.Size([2, 32, 8]) -> 含义: 该Tensor有2个班级,每个班级32个人,每个人8门课成绩
print(c.shape)  # torch.Size([2, 32, 8]) -> 含义: 该Tensor有2个班级,每个班级32个人,每个人8门课成绩

解释:将 d 中的 dim 为 0 的维度中的值平均分给 3 个Tensor

故产生的 3 个 Tensor 中 dim 为 0 的值为 6 / 3 = 2

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值