Pytorch基础操作 —— 10. torch.dsplit 数据分割

我会带着你远行 2022-08-28 04:57 416阅读 0赞

### 文章目录 ###

*  torch.dsplit
 *  例程

# torch.dsplit #

dsplit 是另外一个和 chunk 相似的操作，但是和 chunk 有一定的不同。

torch.dsplit(input, indices_or_sections) → List of Tensors

这里，最关键的就是 indices\_or\_sections 的描述内容，根据官网的介绍：

*  根据 index\_or\_sections 将输入（具有三个或更多维度的张量）拆分为多个深度方向的张量。
 *  这等价于调用 torch.tensor\_split(input,indices\_or\_sections,dim=2)（分割维度为 1），不同的是，如果indices\_or\_sections 是一个整数，则必须将分割维度平均分割，否则会抛出运行时错误。
 *  另外，这个函数是比较少见的没有dim这个参数，所以我们来看看它具体是怎么表现的。

# 例程 #

我们先来创建一个3维的张量。

>>> tensor = torch.arange(64).reshape(4, 4, 4)
    tensor([[[ 0,  1,  2,  3],
             [ 4,  5,  6,  7],
             [ 8,  9, 10, 11],
             [12, 13, 14, 15]],
    
            [[16, 17, 18, 19],
             [20, 21, 22, 23],
             [24, 25, 26, 27],
             [28, 29, 30, 31]],
    
            [[32, 33, 34, 35],
             [36, 37, 38, 39],
             [40, 41, 42, 43],
             [44, 45, 46, 47]],
    
            [[48, 49, 50, 51],
             [52, 53, 54, 55],
             [56, 57, 58, 59],
             [60, 61, 62, 63]]])

然后

>>> torch.dsplit(tensor, 2)
    (tensor([[[ 0,  1],
             [ 4,  5],
             [ 8,  9],
             [12, 13]],
    
            [[16, 17],
             [20, 21],
             [24, 25],
             [28, 29]],
    
            [[32, 33],
             [36, 37],
             [40, 41],
             [44, 45]],
    
            [[48, 49],
             [52, 53],
             [56, 57],
             [60, 61]]]),
    tensor([[[ 2,  3],
             [ 6,  7],
             [10, 11],
             [14, 15]],
    
            [[18, 19],
             [22, 23],
             [26, 27],
             [30, 31]],
    
            [[34, 35],
             [38, 39],
             [42, 43],
             [46, 47]],
    
            [[50, 51],
             [54, 55],
             [58, 59],
             [62, 63]]]))
    >>> tensors = torch.dsplit(tensor, 2)
    >>> tensors[0].shape
    torch.Size([4, 4, 2])

除此以外，由于它等价于 numpy.dsplit 函数，所以也支持适用元组、数组、一维张量来切片。我们看看对此是怎么定义的：

*  如果 indices\_or\_sections 是整数n，或值为 n 的张量，则input分为 n 个部分。
 *  如果indices\_or\_sections 是整数的列表或元组，或一维长张量，则输入在列表、元组或张量中的每个元素位置处进行拆分。 例如，indices\_or\_sections=\[2, 3\] 将导致张量 input\[:2\]、input\[2:3\] 和 input\[3:\]。

所以，我们可以这样做：

>>> tensors = torch.dsplit(tensor, [2, 3]) # tensor[:2], tensor[2:3], tensor[3:]
    >>> tensors[0].shape
    torch.Size([4, 4, 2])
    
    >>> tensors[1].shape
    torch.Size([4, 4, 1])
    
    >>> tensors[2].shape
    torch.Size([4, 4, 1])

现在你明白怎么使用了吗？