11_拼接与拆分,cat,stack,split,chunk

红太狼 2022-10-25 14:04 177阅读 0赞

1.11.拼接与拆分  
1.11.1.cat  
1.11.2.Stack  
1.11.3.split  
1.11.4.chunk

## 1.11.拼接与拆分 ##

### 1.11.1.cat ###

numpy中使用concat，在pytorch中使用更加简写的 cat  
完成一个拼接  
两个向量维度相同，想要拼接的维度上的值可以不同，但是其它维度上的值必须相同。

举个例子：还是按照前面的，想将这两组班级的成绩合并起来  
a\[class 1-4, students, scores\]  
b\[class 5-9, students, scores\]

# -*- coding: UTF-8 -*-
    
    import torch
    
    a = torch.rand(4, 32, 8)
    b = torch.rand(5, 32, 8)
    
    print(torch.cat([a, b], dim=0).shape)
    """ 输出结果：torch.Size([9, 32, 8]) 结果就是9个班级的成绩 """

**理解cat:**  
行拼接：\[4, 4\] 与 \[5, 4\] 以 dim=0（行）进行拼接 —> \[9, 4\] 9个班的成绩合起来。  
列拼接：\[4, 5\] 与 \[4, 3\] 以 dim=1（列）进行拼接 —> \[4, 8\] 每个班合成8项成绩

**理解Cat**

# -*- coding: UTF-8 -*-
    
    import torch
    
    a1 = torch.rand(4, 3, 32, 32)
    a2 = torch.rand(5, 3, 32, 32)
    print(torch.cat([a1, a2], dim=0).shape)   # 合并第1维 理解上相当于合并batch
    """ 输出结果：torch.Size([9, 3, 32, 32]) """
    
    a2 = torch.rand(4, 1, 32, 32)
    print(torch.cat([a1,a2],dim=1).shape)     # 合并第2维 理解上相当于合并为 rgba
    """ 输出结果：torch.Size([4, 4, 32, 32]) """
    
    a1 = torch.rand(4, 3, 16, 32)
    a2 = torch.rand(4, 3, 16, 32)
    print(torch.cat([a1, a2], dim=3).shape)  # 合并第3维 理解上相当于合并照片的上下两半
    """ 输出结果：torch.Size([4, 3, 16, 64]) """
    
    a1 = torch.rand(4, 3, 32, 32)
    print(torch.cat([a1, a2], dim=0).shape)
    """ RuntimeError: Sizes of tensors must match except in dimension 0. Got 32 and 16 in dimension 2 (The offending index is 1) """

### 1.11.2.Stack ###

创造一个新的维度（代表了新的组别）  
要求两个tensor的size完全相同

# -*- coding: UTF-8 -*-
    
    import torch
    
    a1 = torch.rand(4, 3, 16, 32)
    a2 = torch.rand(4, 3, 16, 32)
    print(torch.cat([a1, a2], dim=2).shape)     # 合并照片的上下部分
    """ 输入结果：torch.Size([4, 3, 32, 32]) """
    
    # 添加了一个维度 一个值代表上半部分，一个值代表下半部分。 这显然是没有cat合适的。
    print(torch.stack([a1, a2],dim=2).shape)
    """ 输入结果：torch.Size([4, 3, 2, 16, 32]) """
    
    a = torch.rand(32, 8)
    b = torch.rand(32, 8)
    # 将两个班级的学生成绩合并，添加一个新的维度，这个维度的每个值代表一个班级。显然是比cat合适的。
    print(torch.stack([a,b],dim=0).shape)
    """ 输出结果：torch.Size([2, 32, 8]) """

### 1.11.3.split ###

按长度进行拆分：单元长度/数量  
长度相同给一个固定值  
长度不同给一个列表

# -*- coding: UTF-8 -*-
    
    import torch
    
    a = torch.rand(32, 8)
    b = torch.rand(32, 8)
    c = torch.rand(32, 8)
    d = torch.rand(32, 8)
    e = torch.rand(32, 8)
    f = torch.rand(32, 8)
    s = torch.stack([a, b, c, d, e, f], dim=0)
    print(s.shape)
    """ 输出结果：torch.Size([6, 32, 8]) """
    aa,bb = s.split(3, dim=0)                   # 按数量切分，可以使用一个常数
    print(aa.shape, bb.shape)
    """ 输出结果：torch.Size([3, 32, 8]) torch.Size([3, 32, 8]) """
    cc, dd, ee = s.split([3, 2, 1], dim=0)      # 按单位长度切分，可以使用一个列表
    print(cc.shape, dd.shape, ee.shape)
    """ 输出结果： torch.Size([3, 32, 8]) torch.Size([2, 32, 8]) torch.Size([1, 32, 8]) 看到结果第一列，分别是：3,2,1 """
    
    print(s)
    
    ff, gg = s.split(6, dim=0)                  # 只切了一半，有一半不存在，所以报错
    """ ValueError: not enough values to unpack (expected 2, got 1) """

### 1.11.4.chunk ###

按照量进行拆分

注意：对于按数量切分：chunk中的参数是要切成几份；split的常量是每份有几个。