【Pytorch】Tensor维度的拼接与拆分

墨蓝 2022-11-03 04:09 800阅读 0赞

### 文章目录 ###

*  1. 拼接与拆分常用API
 *  2. 按照维度合并Tensor
 *   *   *  2.1 cat函数
         *  2.2 stack函数
 *  3. 按照维度拆分Tensor
 *   *   *  3.1 split函数
         *  3.2 chunk函数

# 1. 拼接与拆分常用API #

*  cat函数
 *  stack函数
 *  split函数
 *  chunk函数

# 2. 按照维度合并Tensor #

### 2.1 cat函数 ###

def cat(tensors, dim) -> Tensor

*  tensors：需要合并的Tensor
 *  dim：按照维度dim进行合并
 *  注意：想要拼接的维度上的值可以不同，但是其它维度上的值必须相同，并且两个 Tensor 的维度最大值必须相同

a = torch.rand(4, 32, 8)  # 含义： 4个班级，每个班级32个人，每个人8门课成绩
    b = torch.rand(5, 32, 8)  # 含义： 5个班级，每个班级32个人，每个人8门课成绩
    
    # 合并成绩单
    c = torch.cat([a,b], dim=0)
    print(c.shape)     # torch.Size([9, 32, 8]) -> 9个班级，每个班级32个人，每个人8门课成绩

> 解释：从班级维度( 0D )将成绩进行合并，两个 Tensor 中的 0D 中的值可以不同，但是其他维度上的值必须相同

`二维矩阵理解 cat 函数`

按行拼接：Tensor1 是 3 行 4 列，Tensor2 是 2 行 4列，将 Tensor1 和 Tensor2 按行拼接，变成 Tensor3 是 5 行 4 列

按列拼接：Tensor1 是 3 行 4 列，Tensor2 是 3 行 5 列，将 Tensor1 和 Tensor2 按行拼接，变成 Tensor3 是 3 行 9 列

### 2.2 stack函数 ###

def stack(tensors, dim) -> Tensor

*  tensors：需要合并的Tensor
 *  dim：将新产生的维度放在 dim 维度
 *  注意：需要合并的这些个Tensor，维度个数必须相等，维度中的值也必须相等

a = torch.rand(32, 8)  # 含义： A班级32个人，每个人8门课成绩
    b = torch.rand(32, 8)  # 含义： B班级32个人，每个人8门课成绩
    c = torch.rand(32, 8)  # 含义： C班级32个人，每个人8门课成绩
    
    # 将三个班级用一个Tensor表示：增加一个维度表示班级
    d = torch.stack([a, b, c], dim=0)
    print(d.shape)  # torch.Size([3, 32, 8]) -> 含义：3个班级，每个班级32个人，每个人8门课成绩

# 3. 按照维度拆分Tensor #

### 3.1 split函数 ###

def split(split_size, dim=0)

*  dim：表示需要拆分的维度
 *  split\_size
    
     *  如果是一个数字num，表示将维度为dim中的值按照num进行平均拆分成多个Tensor；
     *  如果是一个\[num1, num2, num3, …\]，表示将该维度中的值按照num进行分配生成指定个数的Tensor
 *  功能：按照某维度的长度来拆分

d = torch.rand(3, 32, 8)  # 含义：3个班级，每个班级32个人，每个人8门课成绩
    # 将这个Tensor按照班级维度进行拆分成三个班级Tensor
    a, b, c = d.split([1, 1, 1], dim=0)
    print(a.shape)  # torch.Size([1, 32, 8]) -> 含义： A班级32个人，每个人8门课成绩
    print(b.shape)  # torch.Size([1, 32, 8]) -> 含义： B班级32个人，每个人8门课成绩
    print(c.shape)  # torch.Size([1, 32, 8]) -> 含义： C班级32个人，每个人8门课成绩
    
    c = torch.rand(4, 32, 8)  # 含义：4个班级，每个班级32个人，每个人8门课成绩
    # 将这个Tensor按照班级维度拆分成两个班级为一个的Tensor
    a, b = c.split(2, dim=0)
    print(a.shape)  # torch.Size([2, 32, 8]) -> 含义： 该Tensor有2个班级，每个班级32个人，每个人8门课成绩
    print(b.shape)  # torch.Size([2, 32, 8]) -> 含义： 该Tensor有2个班级，每个班级32个人，每个人8门课成绩

> 可能的报错：拆分的值 与 接收Tensor的变量的个数 不合适时
> 
> ValueError: not enough values to unpack (expected 3, got 2)
> 
> ValueError: too many values to unpack (expected 3)

### 3.2 chunk函数 ###

def chunk(chunks, dim=0) -> List of Tensors

*  chunks：要产生Tensor的个数
 *  dim：拆分的维度
 *  功能：将维度为 dim 中的值平均分给chunks个Tensor
 *  按照某维度的数量来拆分

d = torch.rand(6, 32, 8)  # 含义：6个班级，每个班级32个人，每个人8门课成绩
    a, b, c = d.chunk(3, dim=0)
    print(a.shape)  # torch.Size([2, 32, 8]) -> 含义： 该Tensor有2个班级，每个班级32个人，每个人8门课成绩
    print(b.shape)  # torch.Size([2, 32, 8]) -> 含义： 该Tensor有2个班级，每个班级32个人，每个人8门课成绩
    print(c.shape)  # torch.Size([2, 32, 8]) -> 含义： 该Tensor有2个班级，每个班级32个人，每个人8门课成绩

> 解释：将 d 中的 dim 为 0 的维度中的值平均分给 3 个Tensor
> 
> 故产生的 3 个 Tensor 中 dim 为 0 的值为 6 / 3 = 2