PyTorch | 拼接与拆分

一、拼接

1. cat 函数

$torch.cat(inputs,dim=0)：$在给定维度 $dim$(默认为0) 上对输入的张量 $inputs$ 进行拼接操作，在给定 $dim$ 维度以外的维度上形状要保持相同。

2. stack 函数

$torch.stack(sequence,dim=0)：$沿着一个新维度 $dim$ 对输入张量进行连接，属于扩张再拼接的函数，也就是在新维度上进行堆叠，序列中所有张量都应该为相同的形状。

3. cat & stack 区别

• $stack$ 函数会创建一个新的维度。
• $stack$ 函数要求拼接的两个 $tensor$ 形状完全相同。

二、拆分

1. chunk 函数

$torch.chunk(tensor,chunks,dim=0)：$将 $tensor$ 在指定维度 $dim$ 上进行分块（个数 $chunks$）。如果沿指定维的张量形状大小不能被 $chunks$ 整分，则最后一个分块会小于其它分块。

2. split 函数

$torch.split(tensor,split\_size,dim=0)：$将输入张量分割成相等形状的块结构。如果沿指定维的张量形状大小不能被 $split\_size$ 整分，则最后一个分块会小于其它分块。

• $split\_size$ 分割方案：

  • 第一种分割方案是指定单个分块的形状大小。
  • 第二种分割方案是指定 $list$，待分割张量 $tensor$ 将会被分割为 $len(list)$ 份，每一份的大小取决于 $list$ 中的元素，$list$ 中的数字总和应等于该维度的大小，否则会报错。

  

3. chunk & split 区别

$split$ 函数是根据块内数据长度来拆分，$chunk$ 函数是根据块个数来拆分。

4. unbind 函数

torch.unbind(input, dim=0)：移除 $input$ 张量中的指定维度 $dim$。