Pytorch:Tensor的合并与分割

关键方法一览

方法	作用	区别
cat	合并	保持原有维度的数量
stack	合并	原有维度数量加1
split	分割	按照长度去分割
chunk	分割	等分

要点细述

cat

cat是concatenate（连接）的缩写，而不是指（猫）。作用是把2个tensor按照特定的维度连接起来。
要求：除被拼接的维度外，其他维度必须相同

Code Demo

import torch
a=torch.randn(3,4) #随机生成一个shape（3，4）的tensort
b=torch.randn(2,4) #随机生成一个shape（2，4）的tensor

torch.cat([a,b],dim=0) 
#返回一个shape（5，4）的tensor
#把a和b拼接成一个shape（5，4）的tensor，
#可理解为沿着行增加的方向（即纵向）拼接

stack

stack会增加一个新的维度，来表示拼接后的2个tensor，直观些理解的话，咱们不妨把一个2维的tensor理解成一张长方形的纸张，cat相当于是把两张纸缝合在一起，形成一张更大的纸，而stack相当于是把两张纸上下堆叠在一起。
要求：两个tensor拼接前的形状完全一致

Code Demo

a=torch.randn(3,4)
b=torch.randn(3,4)

c=torch.stack([a,b],dim=0)
#返回一个shape(2,3,4)的tensor,新增的维度2分别指向a和b

d=torch.stack([a,b],dim=1)
#返回一个shape（3,2,4）的tensor，新增的维度2分别指向相应的a的第i行和b的第i行

助记：
这里的关键词参数dim的理解和cat方法中有些区别。

cat方法中可以理解为原tensor的维度，dim=0，就是沿着原来的0轴进行拼接，dim=1，就是沿着原来的1轴进行拼接。

stack方法中的dim则是指向新增维度的位置，dim=0，就是在新形成的tensor的维度的第0个位置新插入维度

split

split是根据长度去拆分tensor

Code Demo

a=torch.randn(3,4)

a.split([1,2],dim=0)
#把维度0按照长度[1,2]拆分，形成2个tensor，
#shape（1，4）和shape（2，4）

a.split([2,2],dim=1)
#把维度1按照长度[2,2]拆分，形成2个tensor，
#shape（3，2）和shape（3，2）

chunk

chunk可以理解为均等分的split，但是当维度长度不能被等分份数整除时，虽然不会报错，但可能结果与预期的不一样，建议只在可以被整除的情况下运用

Code Demo

a=torch.randn(4,6)

a.chunk(2,dim=0)
#返回一个shape（2，6）的tensor
a.chunk(2,dim=1)
#返回一个shape（4，3）的tensor