Tensor的組合與分塊

　　組合操作是指將不同的Tensor疊加起來， 主要有torch.cat()和torch.stack()兩個函式。 cat即concatenate的意思， 是指沿著已有的資料的某一維度進行拼接， 操作後資料的總維數不變， 在進行拼接時， 除了拼接的維度之外， 其他維度必須相同。 而torch.stack()函式指新增維度， 並按照指定的維度進行疊加，

 1 import torch 
 2 
 3 # 建立兩個2×2的Tensor
 4 a = torch.Tensor([[1,2],[3,4]])
 5 print(a,a.shape)
 6 
 7
 
 b = torch.Tensor([[5,6],[7,8]])
 8 print(b,b.shape)
 9 
10 # 以第一維進行拼接， 則變成4×2的矩陣
11 c = torch.cat([a,b],0)
12 print(c,c.shape)
13 
14 # 以第二維進行拼接， 則變成2*4的矩陣
15 d = torch.cat([a,b],1)
16 print(d,d.size())

結果輸出：

 1 tensor([[1., 2.],
 2         [3., 4.]]) torch.Size([2, 2])
 3 tensor([[5., 6.],
 
 4         [7., 8.]]) torch.Size([2, 2])
 5 tensor([[1., 2.],
 6         [3., 4.],
 7         [5., 6.],
 8         [7., 8.]]) torch.Size([4, 2])
 9 tensor([[1., 2., 5., 6.],
10         [3., 4., 7., 8.]]) torch.Size([2, 4])

 1 import torch 
 2 
 3 # 建立兩個2×2的Tensor
 4 a = torch.Tensor([[1,2],[3,4]])
 
 5 print(a,a.shape)
 6 
 7 >>   tensor([[1., 2.],
 8             [3., 4.]]) torch.Size([2, 2])
 9 
10 b = torch.Tensor([[5,6],[7,8]])
11 print(b,b.shape)
12 
13 >>   tensor([[5., 6.],
14             [7., 8.]]) torch.Size([2, 2])
15 
16 # 以第0維進行stack， 疊加的基本單位為序列本身， 即a與b， 因此輸出[a, b]， 輸出維度為2×2×2
17 d=torch.stack([a,b],0)
18 print(d, d.size())
19 >>  tensor([[[1., 2.],
20          [3., 4.]],
21 
22         [[5., 6.],
23          [7., 8.]]]) torch.Size([2, 2, 2])
24 
25 # 以第1維進行stack， 疊加的基本單位為每一行， 輸出維度為2×2×2
26 e=torch.stack([a,b],1)
27 print(e, e.shape)
28 
29 >> tensor([[[1., 2.],
30          [5., 6.]],
31 
32         [[3., 4.],
33          [7., 8.]]]) torch.Size([2, 2, 2])
34 
35 # 以第2維進行stack， 疊加的基本單位為每一行的每一個元素， 輸出維度為2×2×2
36 f=torch.stack([a,b],2)
37 print(f, f.shape)
38 
39 >> tensor([[[1., 5.],
40          [2., 6.]],
41 
42         [[3., 7.],
43          [4., 8.]]]) torch.Size([2, 2, 2])

　　分塊則是與組合相反的操作， 指將Tensor分割成不同的子Tensor，主要有torch.chunk()與torch.split()兩個函式， 前者需要指定分塊的數量，而後者則需要指定每一塊的大小， 以整型或者list來表示。 具體示例如下 ：