对 Tensor 张量拼接
torch.cat(inputs, dimension=0) ->Tensor
在给定的维度上对输入的张量序列 seq 进行拼接操作。torch.cat()可以看做 torch.split() 和 torch.chunk()的反操作。cat()函数可以通过下面的例子更好理解。
参数:
torch.chunk(tensor, chuncks, dim=0)
参数:
沿着指定轴,按照索引 index 中指定的位置进行聚合。
torch.gather(input, dim, index, out=None) ->Tensor
参数:
根据掩码张量 mask 中的二元值获取一个新的张量:
torch.masked_select(input, mask, out=None)-> Tensor
张量 mask 与 input 张量有相同数量的元素数目,但形状和维度不需要相同。返回的张量不与原始张量共享内存空间
参数:
返回一个包含输入 input 中非零元素索引的张量。输出张量中的每行包含输入中非零元素的索引。
如果输入 input 有 n 维,则输出的索引张量 output 的形状为 z * n,其中 z 是输入张量 input 中所有非零元素的个数。
torch.nonzero(input, out=None) ->LongTensor
参数:
torch.split(input, split_size, dim=0)
参数:
将输入张量形状中的1去除并返回
torch.squeeze(input, dim=None, out=None)
如果输入是形如(A * 1 * B * 1 * C * 1 * D),那么输出形状就为:(A * B * C * D),当指定 dim 时,那么挤压操作只在给定维度上。返回张量与输入张量共享内存,所以改变其中一个的内容会改变另一个。
参数:
沿着一个新的维度对输入张量序列进行拼接。序列中的所有张量都应该为相同形状。
torch.stack(sequence,dim=0)
参数:
对矩阵进行转置
torch.t(input, out=None) ->Tensor
输入一个矩阵(2维张量),并转置0,1维。可以被视为transpose(input, 0, 1)的简写函数。
参数:
交换矩阵指定维度
torch.transpose(input, dim0, dim1, out=None) ->Tensor
返回输入矩阵 input 的转置。交换维度 dim0 和 dim1。 输出张量与输入张量共享内存, 所以改变其中一个会导致另外一个也被修改。
参数:
删除矩阵的指定维度,并返回指定维度切片的各个切片
torch.unbind(tensor, dim=0)
参数:
对tensor 矩阵的指定维度位置插入维度 1
torch.unsequeeze(input, dim, out=None)
返回一个新张量,对输入的指定位置插入维度 1。返回张量和输入张量共享内存;如果dim为负,则将被转化 dim + input.dim() + 1
参数: