chunk

import torcha = torch.rand(3, 4)
print('a\n', a)
# 从输出的结果来看：是将a 分割成了两个tensor
# 2表示分割成几个
out = torch.chunk(a, 2, dim=0)
print('out2\n', out)
out = torch.chunk(a, 1, dim=0)
print('out1\n', out)
out = torch.chunk(a, 3, dim=0)
print('out3\n', out)

输出结果：

atensor([[0.3593, 0.1883, 0.4548, 0.2155],[0.9103, 0.1441, 0.9789, 0.0644],[0.4567, 0.7598, 0.2636, 0.9142]])
out2(tensor([[0.3593, 0.1883, 0.4548, 0.2155],[0.9103, 0.1441, 0.9789, 0.0644]]), tensor([[0.4567, 0.7598, 0.2636, 0.9142]]))
out1(tensor([[0.3593, 0.1883, 0.4548, 0.2155],[0.9103, 0.1441, 0.9789, 0.0644],[0.4567, 0.7598, 0.2636, 0.9142]]),)
out3(tensor([[0.3593, 0.1883, 0.4548, 0.2155]]), tensor([[0.9103, 0.1441, 0.9789, 0.0644]]), tensor([[0.4567, 0.7598, 0.2636, 0.9142]]))

split

a = torch.rand(3, 4)
print('a\n', a)
# 从输出结果来看：split是按第二个参数来进行切割的，
# 例如1 则每一行切割依次，2 则每两行切割依次
out = torch.split(a, 2, dim=0)
out = torch.split(a, 1, dim=0)
# out = torch.split(a, 3, dim=0)
print('a\n', a)
print('out\n', out)print('*'*50)
a = torch.rand(10, 4)
# 从输出的结果来看是：将10行切成1行，三行和六行加起来正好是10，这三组
out = torch.split(a, [1, 3, 6], dim=0)
print('a\n', a)
print('out\n', out)

打印结果：

atensor([[0.6216, 0.7639, 0.6325, 0.8804],[0.4083, 0.7736, 0.4535, 0.9490],[0.7582, 0.0077, 0.4858, 0.6894]])
atensor([[0.6216, 0.7639, 0.6325, 0.8804],[0.4083, 0.7736, 0.4535, 0.9490],[0.7582, 0.0077, 0.4858, 0.6894]])
out(tensor([[0.6216, 0.7639, 0.6325, 0.8804]]), tensor([[0.4083, 0.7736, 0.4535, 0.9490]]), tensor([[0.7582, 0.0077, 0.4858, 0.6894]]))
**************************************************
atensor([[0.1208, 0.6221, 0.0971, 0.0022],[0.5259, 0.1185, 0.1590, 0.3220],[0.0900, 0.2303, 0.9606, 0.5367],[0.5228, 0.6198, 0.0352, 0.2290],[0.2703, 0.7811, 0.3786, 0.9954],[0.5334, 0.5624, 0.2890, 0.5240],[0.7372, 0.9430, 0.5789, 0.9303],[0.1297, 0.2598, 0.8971, 0.0744],[0.4507, 0.8451, 0.3254, 0.8990],[0.7213, 0.7393, 0.3748, 0.3639]])
out(tensor([[0.1208, 0.6221, 0.0971, 0.0022]]), tensor([[0.5259, 0.1185, 0.1590, 0.3220],[0.0900, 0.2303, 0.9606, 0.5367],[0.5228, 0.6198, 0.0352, 0.2290]]), tensor([[0.2703, 0.7811, 0.3786, 0.9954],[0.5334, 0.5624, 0.2890, 0.5240],[0.7372, 0.9430, 0.5789, 0.9303],[0.1297, 0.2598, 0.8971, 0.0744],[0.4507, 0.8451, 0.3254, 0.8990],[0.7213, 0.7393, 0.3748, 0.3639]]))

tensor.chunk、split的组合、拼接、切片相关推荐

利用JS提高组合拼接字符串效率的方法
日志原文: http://uniso.blog.sohu.com/104853107.html 利用JS提高组合拼接字符串效率的方法希望跟各位高手交流,搞过web开发的朋友都知道,在脚本开发过程中, ...
python | 字符串拼接.join()和拆分.split()
文章目录 1. 字符串拆分函数`.split()` 2. 字符串拼接函数`.join()` 扩展:理解`" ".join(s.split(" ")[::-1]) ...
MapReduce Input Split 输入分/切片
MapReduce Input Split(输入分/切片)详解 public static long getMaxSplitSize(JobContext context) { return cont ...
Tensor多维slice切片操作
今天在Debug代码的时候,遇到了由slice函数对象组成的list,对一个3维Tensor进行切片操作,经过一段时间查询资料,未能找到相关资料,自己动手写程序验证了下想法,此博客记录下验证过程. 我 ...
深度学习Pytorch框架Tensor张量
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达作者 | 秦一@知乎(已授权) 来源 | https://zhuan ...
torch对于tensor的常规操作
前言使用pytorch框架,会常操作tensor,以下则是对tensor常规操作的汇总. import torch torch.Tensor会继承某些torch的某些数学运算,例如sort, min ...
Paddle 网络中的Tensor 数据结构
简介: ※Tensor是Paddle深度框架中的重要概念.对于 Tensor概念介绍-使用文档-PaddlePaddle深度学习平台文档中的概念进行学习和测试,对比了Tensor于numpy中的n ...
一、Tensor基础
1.基本创建方法 Ⅰ,tensor创建 torch.Tensor(2,4) 创建一个2×4的二维张量:也可以通过列表进行自定义tensor元素同理 torch.Tensor(5) 创建一个1×5的一 ...
pytorch 定义torch类型数据_PyTorch官方中文文档：torch.Tensor
torch.Tensor torch.Tensor是一种包含单一数据类型元素的多维矩阵. Torch定义了七种CPU tensor类型和八种GPU tensor类型: Data tyoe CPU te ...

tensor.chunk、split的组合、拼接、切片

chunk

输出结果：

split

打印结果：

tensor.chunk、split的组合、拼接、切片相关推荐

最新文章

热门文章