PyTorch学习笔记|张量的索引分片、合并和维度调整

我们继续学习张量的相关基础操作。

索引

这个依旧是和numpy差不多，我们简单看一些例子。

tensor.view方法可以返回一个类似视图的结果，是浅拷贝的关系，我们来看一下。

分片

chunk函数可以用来分块。

split函数既能进行均分，也能进行自定义切分。

合并

拼接函数cat，和堆叠函数stack。我们需要注意二者的区别，拼接的维度不变，堆叠之后维度升高。

a = torch.zeros(2,3)
b = torch.ones(2,3)
c = torch.cat([a,b])
d = torch.stack([a,b])

###
c:
tensor([[0., 0., 0.],
        [0., 0., 0.],
        [1., 1., 1.],
        [1., 1., 1.]])
d:
tensor([[[0., 0., 0.],
         [0., 0., 0.]],

        [[1., 1., 1.],
         [1., 1., 1.]]])

维度变换

此前我们介绍过，通过reshape方法，能够灵活调整张量的形状。而在实际操作张量进行计算时，往往需要另外进行降维和升维的操作，当我们需要除去不必要的维度时，可以使用squeeze函数，而需要手动升维时，则可采用unsqueeze函数。

squeeze删除不必要的维度，简单的说就是把shape中的1给剔除。

unsqueeze函数是手动升维度，可以指定在哪个维度上再升高一个维度。