PyTorch | 拼接与拆分

PyTorch | 拼接与拆分

  • 一、拼接
    • 1. cat 函数
    • 2. stack 函数
    • 3. cat & stack 区别
  • 二、拆分
    • 1. chunk 函数
    • 2. split 函数
    • 3. chunk & split 区别
    • 4. unbind 函数

一、拼接

1. cat 函数

t o r c h . c a t ( i n p u t s , d i m = 0 ) : \qquad torch.cat(inputs, dim=0): torch.cat(inputs,dim=0)在给定维度 d i m dim dim(默认为0) 上对输入的张量 i n p u t s inputs inputs 进行拼接操作,在给定 d i m dim dim 维度以外的维度上形状要保持相同。
PyTorch | 拼接与拆分_第1张图片

2. stack 函数

t o r c h . s t a c k ( s e q u e n c e , d i m = 0 ) : \qquad torch.stack(sequence, dim=0): torch.stack(sequence,dim=0)沿着一个新维度 d i m dim 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
PyTorch | 拼接与拆分_第2张图片

3. cat & stack 区别

  • s t a c k stack stack 函数会创建一个新的维度。
  • s t a c k stack stack 函数要求拼接的两个 t e n s o r tensor tensor 形状完全相同。

二、拆分

1. chunk 函数

t o r c h . c h u n k ( t e n s o r , c h u n k s , d i m = 0 ) : \qquad torch.chunk(tensor, chunks, dim=0): torch.chunk(tensor,chunks,dim=0) t e n s o r tensor tensor 在指定维度 d i m dim dim 上进行分块(个数 c h u n k s chunks chunks)。如果沿指定维的张量形状大小不能被 c h u n k s chunks chunks 整分,则最后一个分块会小于其它分块。
PyTorch | 拼接与拆分_第3张图片

2. split 函数

t o r c h . s p l i t ( t e n s o r , s p l i t _ s i z e , d i m = 0 ) : \qquad torch.split(tensor, split\_size, dim=0): 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 s p l i t _ s i z e split\_size split_size 整分,则最后一个分块会小于其它分块。

  • s p l i t _ s i z e split\_size 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 l i s t list list,待分割张量 t e n s o r tensor tensor 将会被分割为 l e n ( l i s t ) len(list) len(list) 份,每一份的大小取决于 l i s t list list 中的元素, l i s t list list 中的数字总和应等于该维度的大小,否则会报错。

    PyTorch | 拼接与拆分_第4张图片

3. chunk & split 区别

s p l i t \qquad split split 函数是根据块内数据长度来拆分, c h u n k chunk chunk 函数是根据块个数来拆分。

4. unbind 函数

torch.unbind(input, dim=0):移除 i n p u t input input 张量中的指定维度 d i m dim dim
PyTorch | 拼接与拆分_第5张图片

你可能感兴趣的:(pytorch,pytorch,深度学习,deep,learning)