pytorch Tensor合并与切割

本文详细介绍了PyTorch中张量的合并与切割操作,包括cat和stack的使用方法,以及split和chunk的参数解析,帮助读者深入理解张量操作在深度学习中的应用。
部署运行你感兴趣的模型镜像

合并

1. cat

       

      dim表示拼接的维度。注意其他维度要保持一致。

      

2. stack

      

      dim维度前添加一个新的维度,作为原来两个tensor连接,进行区分的维度

      如果我们令 c = torch.stack([a,b], dim=1) 则:

            c[:,0,...] == a

      同样的 stack 也要求相连的维度相同。

切割

1. split

        

      split参数,1表示切分分段每一个的长度,dim是切分的维度

      所以1,dim=0,表示将0维度,每一个进行切分,切出四个结果, 每个切分结果的维度都是[1,2,5,6]

      

      当无法整除切分时,剩余的是一个切分结果。

       

      split还可以传入列表参数,表示每一个切分结果的长度,但是要求列表数之和等于原来该维度的长度。

2. chunk

     

     参数2表示总共拆分成两个部分,这里要注意如果无法整除的情况。

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值