pytorch 矩阵分解：chunk 和 split和unbind

原创已于 2022-04-15 14:26:44 修改 · 2.3k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python

于 2022-04-15 10:03:20 首次发布

语言学习笔记专栏收录该内容

193 篇文章

订阅专栏

本文详细介绍了PyTorch中张量的chunk和split操作。以A=[2,3,4,4]为例，展示了在不同维度上进行分割的效果。chunk函数根据指定的块数和维度将张量分割成多个tuple，而split则要求分割后的块大小相同或能被整除。此外，还提到了unbind函数，用于按维度拆解张量并返回切片。这些操作在深度学习模型的构建和数据预处理中非常常见。

部署运行你感兴趣的模型镜像

TensorName.chunk( blocknum , dim)

$A = t o r c h . r a n d i n t (0, 255, (2, 3, 4, 4)) 分割的结果为 t u p l e$
在这里插入图片描述

A=[2,3,4,4] 两张3通道4×4图片

A=[2,3,4,4] ，A.chunk(2,dim=0)

A=[2,3,4,4] ，A.chunk(2,dim=1)

A=[2,3,4,4] ，A.chunk(2,dim=2)

A=[2,3,4,4] ，A.chunk(2,dim=3)

chunk 和 split

split要求分割正好整除，但是如官网例子https://pytorch.org/docs/stable/generated/torch.split.html#torch.split可以设置每块的大小：

torch.split(a, [1,4])
(tensor([[0, 1]]),
 tensor([[2, 3],
         [4, 5],
         [6, 7],
         [8, 9]]))

UNBIND：拆解矩阵某个维度，并返回切片

# https://pytorch.org/docs/master/generated/torch.unbind.html
torch.unbind(torch.tensor([[1, 2, 3],
                           [4, 5, 6],
                           [7, 8, 9]]))
# (tensor([1, 2, 3]), tensor([4, 5, 6]), tensor([7, 8, 9]))