torch.chunk的用法示例——非常清晰

`torch.chunk` 是 PyTorch 中用于将一个张量沿指定维度分割成多个子张量的函数。下面是对其用法的详细解释和示例。

函数定义

```python

torch.chunk(input, chunks, dim=0)

```

  • **`input`**: 要分割的输入张量。

  • **`chunks`**: 要分割成的子张量的数量。

  • **`dim`**: 指定在哪个维度上进行分割,默认为 `0`(第一个维度,即行)。

示例

示例 1: 基本用法

复制代码
import torch

# 创建一个 4x4 的张量
tensor = torch.arange(16).reshape(4, 4)
print("Original Tensor:")
print(tensor)

# 将张量分割成 2 个部分,沿第 0 维(行)
chunks = torch.chunk(tensor, 2, dim=0)

print("\nChunks:")
for i, chunk in enumerate(chunks):
    print(f"Chunk {i}:")
    print(chunk)

**输出**:

```

Original Tensor:

tensor(\[ 0, 1, 2, 3,

4, 5, 6, 7,

8, 9, 10, 11,

12, 13, 14, 15])

Chunks:

Chunk 0:

tensor(\[0, 1, 2, 3,

4, 5, 6, 7])

Chunk 1:

tensor(\[ 8, 9, 10, 11,

12, 13, 14, 15])

```

示例 2: 不同维度分割

复制代码
# 将张量分割成 4 个部分,沿第 1 维(列)
chunks = torch.chunk(tensor, 4, dim=1)

print("\nChunks along dim=1:")
for i, chunk in enumerate(chunks):
    print(f"Chunk {i}:")
    print(chunk)

**输出**:

```

Chunks along dim=1:

Chunk 0:

tensor(\[0,

4,

8,

12])

Chunk 1:

tensor(\[ 1,

5,

9,

13])

Chunk 2:

tensor(\[ 2,

6,

10,

14])

Chunk 3:

tensor(\[ 3,

7,

11,

15])

```

总结

  • `torch.chunk` 可以方便地将张量按指定维度分割成多个子张量,适用于需要将数据划分为多个部分的情况。

  • 在处理深度学习任务时,这种分割操作可以帮助实现特定的特征处理或聚合策略。

相关推荐
吴佳浩31 分钟前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu
forest_094 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区5 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔6 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区6 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1236 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI6 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健7 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV7 小时前
Google 重返第一梯队
人工智能·google·aigc