溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
拼接張量：torch.cat() 、torch.stack()
在給定維度上對輸入的張量序列 seq 進行連接操作
舉個例子：
>>> import torch
>>> x = torch.randn(2, 3)
>>> x
tensor([[-0.1997, -0.6900, 0.7039],
[ 0.0268, -1.0140, -2.9764]])
>>> torch.cat((x, x, x), 0) # 在 0 維(縱向)進行拼接
tensor([[-0.1997, -0.6900, 0.7039],
[ 0.0268, -1.0140, -2.9764],
[-0.1997, -0.6900, 0.7039],
[ 0.0268, -1.0140, -2.9764],
[-0.1997, -0.6900, 0.7039],
[ 0.0268, -1.0140, -2.9764]])
>>> torch.cat((x, x, x), 1) # 在 1 維(橫向)進行拼接
tensor([[-0.1997, -0.6900, 0.7039, -0.1997, -0.6900, 0.7039, -0.1997, -0.6900,
0.7039],
[ 0.0268, -1.0140, -2.9764, 0.0268, -1.0140, -2.9764, 0.0268, -1.0140,
-2.9764]])
>>> y1 = torch.randn(5, 3, 6)
>>> y2 = torch.randn(5, 3, 6)
>>> torch.cat([y1, y2], 2).size()
torch.Size([5, 3, 12])
>>> torch.cat([y1, y2], 1).size()
torch.Size([5, 6, 6])
對于需要拼接的張量，維度數量必須相同，進行拼接的維度的尺寸可以不同，但是其它維度的尺寸必須相同。
沿著一個新維度對輸入張量序列進行連接。 序列中所有的張量都應該為相同形狀
舉個例子：
>>> x1 = torch.randn(2, 3)
>>> x2 = torch.randn(2, 3)
>>> torch.stack((x1, x2), 0).size() # 在 0 維插入一個維度，進行區分拼接
torch.Size([2, 2, 3])
>>> torch.stack((x1, x2), 1).size() # 在 1 維插入一個維度，進行組合拼接
torch.Size([2, 2, 3])
>>> torch.stack((x1, x2), 2).size()
torch.Size([2, 3, 2])
>>> torch.stack((x1, x2), 0)
tensor([[[-0.3499, -0.6124, 1.4332],
[ 0.1516, -1.5439, -0.1758]],
[[-0.4678, -1.1430, -0.5279],
[-0.4917, -0.6504, 2.2512]]])
>>> torch.stack((x1, x2), 1)
tensor([[[-0.3499, -0.6124, 1.4332],
[-0.4678, -1.1430, -0.5279]],
[[ 0.1516, -1.5439, -0.1758],
[-0.4917, -0.6504, 2.2512]]])
>>> torch.stack((x1, x2), 2)
tensor([[[-0.3499, -0.4678],
[-0.6124, -1.1430],
[ 1.4332, -0.5279]],
[[ 0.1516, -0.4917],
[-1.5439, -0.6504],
[-0.1758, 2.2512]]])
把相同形狀的張量合并，并根據提供的維度序列在相應位置插入維度，方法會根據位置來排列數據。代碼中，根據第 0 維和第 1 維來進行合并時，雖然合并后的張量維度和尺寸相等，但是數據的位置并不是相同的。
拆分張量：torch.split()、torch.chunk()
將輸入張量分割成相等形狀的 chunks（如果可分）。 如果沿指定維的張量形狀大小不能被 split_size 整分， 則最后一個分塊會小于其它分塊。
舉個例子：
>>> x = torch.randn(3, 10, 6) >>> a, b, c = x.split(1, 0) # 在 0 維進行間隔維 1 的拆分 >>> a.size(), b.size(), c.size() (torch.Size([1, 10, 6]), torch.Size([1, 10, 6]), torch.Size([1, 10, 6])) >>> d, e = x.split(2, 0) # 在 0 維進行間隔維 2 的拆分 >>> d.size(), e.size() (torch.Size([2, 10, 6]), torch.Size([1, 10, 6]))
把張量在 0 維度上以間隔 1 來拆分時，其中 x 在 0 維度上的尺寸為 3，就可以分成 3 份。
把張量在 0 維度上以間隔 2 來拆分時，只能分成 2 份，且只能把前面部分先以間隔 2 來拆分，后面不足 2 的部分就直接作為一個分塊。
在給定維度(軸)上將輸入張量進行分塊兒
直接用上面的數據來舉個例子：
>>> l, m, n = x.chunk(3, 0) # 在 0 維上拆分成 3 份 >>> l.size(), m.size(), n.size() (torch.Size([1, 10, 6]), torch.Size([1, 10, 6]), torch.Size([1, 10, 6])) >>> u, v = x.chunk(2, 0) # 在 0 維上拆分成 2 份 >>> u.size(), v.size() (torch.Size([2, 10, 6]), torch.Size([1, 10, 6]))
把張量在 0 維度上拆分成 3 部分時，因為尺寸正好為 3，所以每個分塊的間隔相等，都為 1。
把張量在 0 維度上拆分成 2 部分時，無法平均分配，以上面的結果來看，可以看成是，用 0 維度的尺寸除以需要拆分的份數，把余數作為最后一個分塊的間隔大小，再把前面的分塊以相同的間隔拆分。
在某一維度上拆分的份數不能比這一維度的尺寸大
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
