[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
正脉科工 CAE仿真16 分钟前
抗震计算 | 基于随机振动理论的结构地震响应计算
人工智能
看到我,请让我去学习18 分钟前
OpenCV编程- (图像基础处理:噪声、滤波、直方图与边缘检测)
c语言·c++·人工智能·opencv·计算机视觉
码字的字节20 分钟前
深度解析Computer-Using Agent:AI如何像人类一样操作计算机
人工智能·computer-using·ai操作计算机·cua
冬天给予的预感1 小时前
DAY 54 Inception网络及其思考
网络·python·深度学习
说私域1 小时前
互联网生态下赢家群体的崛起与“开源AI智能名片链动2+1模式S2B2C商城小程序“的赋能效应
人工智能·小程序·开源
钢铁男儿1 小时前
PyQt5高级界而控件(容器:装载更多的控件QDockWidget)
数据库·python·qt
董厂长5 小时前
langchain :记忆组件混淆概念澄清 & 创建Conversational ReAct后显示指定 记忆组件
人工智能·深度学习·langchain·llm
亿牛云爬虫专家5 小时前
Kubernetes下的分布式采集系统设计与实战:趋势监测失效引发的架构进化
分布式·python·架构·kubernetes·爬虫代理·监测·采集
G皮T8 小时前
【人工智能】ChatGPT、DeepSeek-R1、DeepSeek-V3 辨析
人工智能·chatgpt·llm·大语言模型·deepseek·deepseek-v3·deepseek-r1
九年义务漏网鲨鱼8 小时前
【大模型学习 | MINIGPT-4原理】
人工智能·深度学习·学习·语言模型·多模态