PyTorch——(2) tensor基本操作

@

目录

• 维度变换
  • view()/reshape() 改变形状
  • unsqueeze()增加维度
  • squeeze()压缩维度
  • expand()广播
  • repeat() 复制
  • transpose() 交换指定的两个维度的位置
  • permute() 将维度顺序改变成指定的顺序
• 合并和分割
  • cat() 将tensor在指定维度上合并
  • stack()将tensor堆叠，会增加新的维度
  • split()根据指定维度的长度拆分
  • chunk()根据数量拆分

view()/reshape() 改变形状

view()/reshape()等价，参数为需要目标tensor的形状

unsqueeze()增加维度

在指定位置增加一个维度，参数为增加后，被增加维度所在的位置索引

squeeze()压缩维度

只能压缩长度为1的维度，参数为压缩前，被压缩维度的索引

expand()广播

相当于广播机制，将tensor在“形式上”变成指定的维度。实际数据并没有改变。
-1表示该维度不扩展

repeat() 复制

1. 将tensor 在指定维度上复制 n次，这里的参数不再是目标形状，而是次数
2. repeat()会实际复制数据，即内存上多出 n倍相同的内容。
   

transpose() 交换指定的两个维度的位置

permute() 将维度顺序改变成指定的顺序

参数为改变后的顺序

合并和分割

cat() 将tensor在指定维度上合并

stack()将tensor堆叠，会增加新的维度

split()根据指定维度的长度拆分

c = torch.rand(4,3,28,32)
# 参数为标量，表示均匀拆分每个成员都分到长度为2
a, b = c.split(2,dim=0)
print(a.shape)
print(b.shape)

c = torch.rand(4,3,28,32)
# 参数为列表,表示每个成员指定长度
a, b = c.split([1,3],dim=0)
print(a.shape)
print(b.shape)

chunk()根据数量拆分

参数为需要拆分成的数量

c = torch.rand(4,3,28,32)
a = c.chunk(4,dim=0)
print(a[0].shape)
print(a[1].shape)
print(a[2].shape)
print(a[3].shape)