pytorch学习二 索引、切片、连接、换位

torch.cat

在给定的维度上对张量序列进行连接操作
参数
inputs 任意相同Tensor序列
dimension 沿着该维连接张量序列

a = torch.randn(2,3)
print(a)
print('*'*20)
print(torch.cat((a,a,a),1))#沿列拼接
print('*'*20)
print(torch.cat((a,a,a),0))#沿行拼接

torch.chunk

在给定维度上将张量进行分块儿
参数：

• tensor (Tensor) – 待分块的输入张量
• chunks (int) – 分块的个数
• dim (int) – 沿着此维度进行分块

a = torch.randn(2,7)
print(a)
print('*'*20)
# 如不能整除，最后一个取余
print(torch.chunk(a,3,1))

torch.gather

沿给定轴dim，将张量索index指定位置得值进行聚合
参数：

• input (Tensor) – 源张量
• dim (int) – 索引的轴
• index (LongTensor) – 聚合元素的下标
• out (Tensor, optional) – 目标张量

t = torch.Tensor([[1,2],[3,4]])
print(t)
print('*'*20)
print(torch.gather(t, 1, torch.LongTensor([[0, 0], [1, 0]])))

具体来说，索引张量 [[0, 0], [1, 0]] 的含义是：
对于第一行（索引为 0），我们要从 t 的第一行（索引为 0）中收集第 0 列和第 0 列的元素。
对于第二行（索引为 1），我们要从 t 的第二行（索引为 1）中收集第 1 列和第 0 列的元素。
由于 t 是 [[1, 2], [3, 4]]，根据上面的索引，我们收集到的元素分别是：
第一行：t[0, 0] 和 t[0, 0]，即 1 和 1。
第二行：t[1, 1] 和 t[1, 0]，即 4 和 3。

torch.index_select

参数:

• input (Tensor) – 源张量
• dim (int) – 索引的轴
• index (LongTensor) – 包含索引下标的一维张量
• out (Tensor, optional) – 目标张量

t = torch.randn(3,4)
print(t)
print('*'*20)
index = torch.LongTensor([0,2])
# 第0行和第2行
print(torch.index_select(t, 0, index))

torch.split

将输入张量分割成相等形状的chunks（如果可分）。 如果沿指定维的张量形状大小不能被split_size 整分， 则最后一个分块会小于其它分块。
参数:

• tensor (Tensor) – 待分割张量
• split_size (int) – 单个分块的形状大小
• dim (int) – 沿着此维进行分割