张量的操作：拼接、切分、索引和变换

1 张量的操作：拼接、切分、索引和变换
一张量的拼接和切分
在这里插入图片描述
1.1 torch.cat()
功能：将张量按维度dim进行拼接
tensor：张量序列
dim：拼接维度

t=torch.ones((2,3))
torch.cat([t,t],dim=0)
torch.cat([t,t],dim=1)
torch.cat([t,t,t],dim=1)

在这里插入图片描述
1.2 torch.stack()
功能：在新创建的维度dim上进行拼接
tensor:张量序列
dim:要拼接的维度

在这里插入图片描述
与cat相比，stack创建在了一个新维度

1.3 torch.chunk()
功能：将张量按维度dim进行平均切分
返回值：张量列表
注意：若不能整除，最后一份张量小于其他张量
在这里插入图片描述
input:要切分的张量
chunks:要切分的份数
dim：要切分的维度

a = torch.ones((2, 7))  # 7
list_of_tensors = torch.chunk(a, dim=1, chunks=3)   # 3

for idx, t in enumerate(list_of_tensors):
        print("第{}个张量：{}, shape is {}".format(idx+1, t, t.shape))

在这里插入图片描述
1.4 torch.split()

功能：将张量按维度dim进行切分
返回值：张量列表
split_size_or_sections:为int时，表示每一份的长度；为list时，按list元素切分

    t = torch.ones((2, 5))

    list_of_tensors = torch.split(t, 2], dim=1)  # [2 , 1, 2]
    for idx, t in enumerate(list_of_tensors):
        print("第{}个张量：{}, shape is {}".format(idx+1, t, t.shape))

在这里插入图片描述

    t = torch.ones((2, 5))

    list_of_tensors = torch.split(t, [2, 1, 1], dim=1)  # [2 , 1, 2]
    for idx, t in enumerate(list_of_tensors):
        print("第{}个张量：{}, shape is {}".format(idx+1, t, t.shape))

在这里插入图片描述
list内元素之和等于维度上的长度

二张量的索引
2.1 torch.index_select()
功能：在维度dim上，按index索引数据
返回值：依index索引数据拼接的张量
在这里插入图片描述
input:要索引的张量
dim:要索引的维度
index：要索引数据的序号

    t = torch.randint(0, 9, size=(3, 3))
    idx = torch.tensor([0, 2], dtype=torch.long)    # float
    t_select = torch.index_select(t, dim=0, index=idx)
    print("t:\n{}\nt_select:\n{}".format(t, t_select))

在这里插入图片描述
2.2 torch.masked_select()
功能：按mmask中的True进行索引
返回值：一维张量
input:要索引的张量
mask:与input同形状的布尔类型张量

    t = torch.randint(0, 9, size=(3, 3))
    mask = t.le(5)  # ge is mean greater than or equal/   gt: greater than  le  lt
    t_select = torch.masked_select(t, mask)
    print("t:\n{}\nmask:\n{}\nt_select:\n{} ".format(t, mask, t_select))

在这里插入图片描述
三张量变换
torch.reshape()
功能：变换张量的形状
注意：当张量在内存中是连续时，新张量与input共享内存
input:要变换的张量
shape:新张量的形状

    t = torch.randperm(8)
    t_reshape = torch.reshape(t, (-1, 2, 2))    # -1
    print("t:{}\nt_reshape:\n{}".format(t, t_reshape))

在这里插入图片描述
共享内存

3.2 torch.transpose().
功能：交换维度

3.3 torch.t()
功能：2维张量转置

3.4 torch.squeeze()
功能：压缩长度为1的维度（轴）
dim:若为None,移除所有长度为1的轴；若指定维度，当且仅当该轴长度为1时，课被移除

3.5 torch.unsqueeze()
功能：依据dim扩展维度
在这里插入图片描述

    t = torch.rand((1, 2, 3, 1))
    t_sq = torch.squeeze(t)
    t_0 = torch.squeeze(t, dim=0)
    t_1 = torch.squeeze(t, dim=1)
    print(t.shape)
    print(t_sq.shape)
    print(t_0.shape)
    print(t_1.shape)

在这里插入图片描述

来源：CSDN

作者：Major_s

链接：https://blog.csdn.net/qq_41375318/article/details/103780104

标签

张量

select