张量的索引、分片、合并以及维度调整
1、索引
张量的索引从维度出发,几个维度就写几个索引。
1.1、符号索引
pytorch中的索引基本遵循python的写法,[start: end: step],下面以一个三维张量为例:
import torch
t = torch.arange(12).reshape(2,2,3)
t
高维张量的理解:t 是一个3维张量,由2个二维张量构成,这两个二维张量都是由4个一维张量构成,每个一维张量都是由5个0维张量构成。
t[1,1,1]
上述表明,在第一个维度取第二个位置,第二个维度也取第二个位置,第三个维度同样如此,通俗来讲就是,索引张量t的第二个二维张量的第二行的第二列。就是零维张量tensor(10)
t[::2,::2,::2]
在第一个维度从第一个元素步长为2取,在第二个维度以步长为2取,在第三个维度以步长为2取。故