邯郸房产网站宁波网站推广制作

目录

unbind拆分子张量

1. 沿着第n个维度拆分（即按“批次”拆分）

split分割张量

常用用法：

总结：

---

unbind拆分子张量

import torchquaternions = torch.tensor([[1, 2, 3, 4], [5, 6, 7, 8]])
result = torch.unbind(quaternions, -1)
print(result)

1. 沿着第n个维度拆分（即按“批次”拆分）

假设你有一个形状为 (batch_size, n) 的张量，你可以沿着第一个维度（即批次维度）拆分它。

split分割张量

返回一个元组，其中包含分割后的子张量。

常用用法：

1. 按指定大小分割： 当 split_size_or_sections 为一个整数时，表示每个子张量的大小。

   import torch# 创建一个张量
   tensor = torch.tensor([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])# 按照大小 3 分割
   result = torch.split(tensor, 3)# 输出分割后的结果
   for i, part in enumerate(result):print(f"Part {i}: {part}")
   

   这个例子中，张量被分割成了 3 个大小为 3 的子张量和一个大小为 1 的子张量。

2. 按指定分割长度分割： 当 split_size_or_sections 是一个列表或元组时，表示沿指定维度分割的块数。每个数值对应要分割的子张量的大小。

# 创建一个张量
tensor = torch.tensor([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])# 按照每个块的大小为 2 和 3 分割
result = torch.split(tensor, [2, 3, 5])# 输出分割后的结果
for i, part in enumerate(result):print(f"Part {i}: {part}")

指定维度进行分割： 可以通过 dim 参数指定沿哪个维度进行分割。

# 创建一个二维张量
tensor = torch.tensor([[1, 2, 3, 4],[5, 6, 7, 8]])# 沿着维度 1（列）分割，每个子张量包含 2 列
result = torch.split(tensor, 2, dim=1)# 输出分割后的结果
for i, part in enumerate(result):print(f"Part {i}: {part}")

总结：

torch.split 是一个非常实用的工具，能够根据指定的大小或者分割长度将张量分割成多个子张量。常用的应用场景包括：

• 将数据按批次（batch）分割。

• 在处理大张量时按一定的块进行分割，方便并行计算或逐块处理。