[PyTorch]PyTorch中张量(Tensor)拼接和拆分操作

PyTorch深度学习总结

第四章 PyTorch中张量(Tensor)拼接和拆分操作


文章目录


前言

上文介绍了PyTorch中张量(Tensor)的切片操作,本文主要介绍张量的拆分拼接操作。


一、张量拼接

函数 描述
torch.cat() 将张量按照指定维度关系进行拼接
torch.stack() 将张量按照指定维度关系进行拼接(用法同cat相同
python 复制代码
# 引入库
import torch

# 创建张量
A = torch.arange(9).reshape(1, 3, 3)
print(A)

输出结果为:

tensor(

\[\[0, 1, 2\], \[3, 4, 5\], \[6, 7, 8\]\]\]) *** ** * ** *** **1、按照维度1进行拼接:** ```python B0 = torch.cat((A, A), dim=0) print(B0) ``` 输出结果为: tensor(\[\[\[0, 1, 2\], \[3, 4, 5\], \[6, 7, 8\]\], \[\[0, 1, 2\], \[3, 4, 5\], \[6, 7, 8\]\]\]) *** ** * ** *** **1、按照维度2(`行`)进行拼接:** ```python B1 = torch.cat((A, A), dim=2) print(B1) ``` 输出结果为: tensor(\[\[\[0, 1, 2\], \[3, 4, 5\], \[6, 7, 8\], \[0, 1, 2\], \[3, 4, 5\], \[6, 7, 8\]\]\]) *** ** * ** *** **1、按照维度3(`列`)进行拼接:** ```python B2 = torch.cat((A, A), dim=2) print(B2) ``` 输出结果为: tensor(\[\[\[0, 1, 2, 0, 1, 2\], \[3, 4, 5, 3, 4, 5\], \[6, 7, 8, 6, 7, 8\]\]\])

二、张量拆分

函数 描述
torch.chunk() 将张量分割为特定数量的块(当张量对应维度元素数量不足以拆分时会按照可以拆分数量进行拆分,且会出现不均等拆分情况)
torch.split() 将张量分割为特定数量的块,可以指定块的大小

注意:
torch.chunk():当张量对应维度元素数量不足以拆分时,会按照可以拆分的最大数量进行拆分,且会出现不均等拆分情况,且最后一个块最小

下文使用B0进行示例

复制代码
B0 = tensor([[[0, 1, 2],
         [3, 4, 5],
         [6, 7, 8]],
        [[0, 1, 2],
         [3, 4, 5],
         [6, 7, 8]]])

1、torch.chunk()按照维度1进行拆分:

python 复制代码
C1, C2 = torch.chunk(B0, 2, dim=1) # 维度1只有三组元素,所以会按照2:1的比例进行拆分
print(C1, C2)

输出结果为:

tensor([[[0, 1, 2],

3, 4, 5\], \[6, 7, 8\]\]\]) tensor(\[\[\[0, 1, 2\], \[3, 4, 5\], \[6, 7, 8\]\]\]) *** ** * ** *** **1、`torch.chunk()`按照维度2进行拆分:** ```python D1, D2 = torch.chunk(B0, 2, dim=1) # 3表示指定拆分数,但由于不足以拆分,所以只会拆分两组 print(D1, D2) ``` 输出结果为: tensor(\[\[\[0, 1, 2\], \[3, 4, 5\]\], \[\[0, 1, 2\], \[3, 4, 5\]\]\]) tensor(\[\[\[6, 7, 8\]\], \[\[6, 7, 8\]\]\])

相关推荐
倔强青铜三6 分钟前
苦练Python第23天:元组秘籍与妙用
人工智能·python·面试
Norvyn_730 分钟前
LeetCode|Day18|20. 有效的括号|Python刷题笔记
笔记·python·leetcode
AndrewHZ37 分钟前
【图像处理基石】如何入门色彩评估?
图像处理·人工智能·深度学习·色彩科学·hvs·色彩评估·颜色工程
TomatoSCI37 分钟前
聚类的可视化选择:PCA / t-SNE丨TomatoSCI分析日记
人工智能·机器学习
大咖分享课39 分钟前
深度剖析:最新发布的ChatGPT Agent 技术架构与应用场景
人工智能·openai·智能助手·ai代理·chatgpt agent·自主任务执行
chao_7891 小时前
更灵活方便的初始化、清除方法——fixture【pytest】
服务器·自动化测试·python·pytest
lucky_lyovo1 小时前
卷积神经网络--网络性能提升
人工智能·神经网络·cnn
liliangcsdn1 小时前
smolagents - 如何在mac用agents做简单算术题
人工智能·macos·prompt
nju_spy1 小时前
周志华《机器学习导论》第8章 集成学习 Ensemble Learning
人工智能·随机森林·机器学习·集成学习·boosting·bagging·南京大学
心情好的小球藻1 小时前
Python应用进阶DAY9--类型注解Type Hinting
开发语言·python