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
AI算力5 小时前
让安全驾驶有“AI”相伴|腾视科技DMS视频监控一体机,守护每一次出行
人工智能·科技·ai·车载终端·ai算力·车载智能终端·车载dvr
泯泷5 小时前
超越基准:Claude Opus 4.5 的 4 个惊人洞察
人工智能
果果软件6 小时前
2026 后台管理系统选型:若依、JeecgBoot、芋道、NocoBase 和 GewuMind Boot 怎么选?
java·人工智能·后端·ai·开源
Csvn6 小时前
刚开始用 WorkBuddy,第一步该做什么?
人工智能
一水鉴天6 小时前
同一与唯一:AppBus 外壳与 DevOps 内核 之1 20261121(元宝)
人工智能·机器学习
Wellijohn6 小时前
一个 Android 老兵的十年开源路:从 167 star 的滑动控件,到本地优先的 AI Agent
android·人工智能·开源
ZONGYUAN-ROOT6 小时前
【API配额】API 配额监控告警不生效?用 Python 监控读数变化量,抓住静态阈值漏掉的「假重置」
人工智能
Wellijohn7 小时前
我把公司内部的 12 个 CRUD 接口交给了 AI Agent,然后省出了两周
人工智能·python·mcp
伞伞悦读8 小时前
【第92期】逻辑回归的分数概率与阈值的实验与排查
人工智能·python·深度学习·机器学习