PyTorch框架：张量的操作

张量的操作：拼接、切分、索引、变换

一、张量的拼接与切分
torch.cat()
功能：将张量按维度dim进行拼接
tensors：张量序列
dim：要拼接的维度
torch.stack()
功能：在新创建的维度dim上进行拼接
tensors:张量序列
dim：要拼接的维度

torch.cat(tensors,dim=0,out=None)
torch.stack(tensors,dim=0,out=None)

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：若不能整除，最后一份张量小于其他张量）
input:要切分的张量
chunks:要切分的份数
dim:要切分的维度

torch.chunk(input,chunks,dim=0)

torch.split()
功能：将张量按维度dim进行切分
返回值：张量列表
tensor：要切分的张量
split_size_or_sections：为int时，表示每一份的长度；为list时，按list元素切分
dim：要切分的维度

torch.split(tensor,split_size_or_sections,dim=0)

二、张量索引
torch.index_selcet()
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
input:要索引的张量
dim：要索引的维度
index：要索引数据的序号

torch.index_select(input,dim,index,out=None)

torch.masked_select()
功能：按mask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

torch.masked_selcet(input,mask,out=None)

三、张量的变换
torch.reshape()
功能：变换张量的形状（注：当张量在内存中是连续时，新张量与input共享数据内存）
input：要变换的张量
shape：新张量的形状

torch.reshape(input,shape)

torch.transpose()
功能:交换张量的俩个维度
input():要变换的张量
dim0：要交换的维度
dim1：要交换的维度
torch.t()
功能：2维张量的转置，对矩阵而言，等价于torch.transpose(input,0,1)

torch.transpose(input,dim0,dim1)
torch.t(input)

torch.squeeze()
功能：压缩长度为1的维度
dim:若为None，移除所有长度为1的轴；若指定维度，当且仅当该轴的长度为1时，可以被移除。
torch.usqueeze()
功能：依据dim扩展维度
dim：扩展维度

torch.squeeze(input,dim=None,out=None)
torch.usqueeze(input,dim,out=None)

最后

以上就是单身芹菜最近收集整理的关于PyTorch框架：张量的操作的全部内容，更多相关PyTorch框架：张量内容请搜索靠谱客的其他文章。