torch.split()
torch.
split
(tensor, split_size_or_sections, dim=0)
torch.split()作用将tensor分成块结构。
参数:
- tesnor:input,待分输入
- split_size_or_sections:需要切分的大小(int or list )
- dim:切分维度
- output:切分后块结构 <class 'tuple'>
- 当split_size_or_sections为int时,tenor结构和split_size_or_sections,正好匹配,那么ouput就是大小相同的块结构。如果按照split_size_or_sections结构,tensor不够了,那么就把剩下的那部分做一个块处理。
- 当split_size_or_sections 为list时,那么tensor结构会一共切分成len(list)这么多的小块,每个小块中的大小按照list中的大小决定,其中list中的数字总和应等于该维度的大小,否则会报错(注意这里与split_size_or_sections为int时的情况不同)。
split_size_or_sections为int型时
import torchx = torch.rand(4,8,6)
y = torch.split(x,2,dim=0) #按照4这个维度去分,每大块包含2个小块
for i in y :print(i.size())output:
torch.Size([2, 8, 6])
torch.Size([2, 8, 6])y = torch.split(x,3,dim=0)#按照4这个维度去分,每大块包含3个小块
for i in y:print(i.size())output:
torch.Size([3, 8, 6])
torch.Size([1, 8, 6])
split_size_or_sections为list型时。
import torchx = torch.rand(4,8,6)
y = torch.split(x,[2,3,3],dim=1)
for i in y:print(i.size())output:
torch.Size([4, 2, 6])
torch.Size([4, 3, 6])
torch.Size([4, 3, 6])y = torch.split(x,[2,1,3],dim=1) #2+1+3 等于6 != 8 ,报错
for i in y:print(i.size())output:
split_with_sizes expects split_sizes to sum exactly to 8 (input tensor's size at dimension 1), but got split_sizes=[2, 1, 3]
torch.split()相关推荐
- PyTorch基础(八)----- torch.split()方法
一.方法详解 含义:将一个张量分为几个chunks torch.split(tensor, split_size_or_sections, dim=0) tensor:要分的张量 split_size ...
- torch复现论文简明笔记
1)常数初始化: x = F.normalize(x, p=2, dim=1)按行计算 x = F.normalize(x, p=2, dim=0)按列计算 torch.empty(size)返回形状 ...
- pytorch 中的 split
Pytorch中的split问题: 1.使用torch.nn.Conv2d中有个参数是groups会将输入的feature map分组,此处需要注意的一点是分组之后各组的feature map的cha ...
- Torch7系列教程之Torch深度学习库教程(一)
Torch7深度学习库教程 写在前面的话 torch库 1 Tensor库 1.1 Tensor数据使用简介 1.2 Tensor构造函数 1.3 作用于Torch上的一些操作函数 2 Storage ...
- torch模块常用方法总结
torch torch 包含了多维张量的数据结构以及基于其上的多种数学操作.另外,它也提供了多种工具,其中一些可以更有效地对张量和任意类型进行序列化. import torch torch.set_p ...
- 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 ...
- tensor.chunk、split的组合、拼接、切片
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 = ...
- pytorch下Numpy,Torch,Spicy,NetworkX及其他基本数据类型相关操作(持续更新)
Tricks 1. torch.sparse.FloatTensor(position, value) 稀疏张量表示为一对稠密张量:一个值张量和一个二维指标张量(每一维中存储多个值).一个稀疏张量可以 ...
- 小白学Pytorch 系列--Torch API(1)
小白学Pytorch 系列–Torch API Torch version 1.13 Tensors TORCH.IS_TENSOR 如果obj是PyTorch张量,则返回True. 注意,这个函数只 ...
最新文章
- jfinal js 拦截_jfinal 使用拦截器处理繁琐的前置条件判定
- 在SQL Server查询分析器里查询Excel文件数据
- Hive的Map Join与Common Join
- Python classmethod()
- html语言添加点击事件,vue 中拼接html时添加点击事件
- Shiro笔记(四)编码/加密
- pandownload搜索引擎脚本
- 上网账号口令怎么获取_怎么从路由器里获取上网帐号和密码
- 2022年申请亳州市发明专利材料,专利说明书摘要写作技巧
- 2022年中职网络空间安全国赛竞赛题解析仅代表自己的建议——2022年中职网络安全国赛竞赛试题1解析
- 中南民族大学计算机科学学院转专业好吗,2021年中南民族大学大一新生转专业及入学考试相关规定...
- 使用Docker一键部署MongoDB
- 电容笔和触控笔的区别是什么?好用的电容笔测评
- [深入研究4G/5G/6G专题-45]: 5G Link Adaption链路自适应-1-总体架构
- python测试代码报错:Ran 0 test in 0.00s
- (Mybatis)Example类用法example.createCriteria
- 在平板/手机上运行Linux(无需root),学习Linux命令行。(快速方法+详细图文+Ubuntu举例)
- 数据结构——冒泡排序(C语言)
- 微信分身 android,微信分身版安卓版
- 产品读书《幕后产品:打造突破式产品思维》
热门文章
- 戴尔Inspiron 3576笔记本安装win10的步骤
- 【Unity入门】4.FBX模型和资源打包
- php的uniqid,PHP之uniqid()函数用法
- (转载)一篇很有意思的文章,关于C语言学习的。
- C语言字符串常量与字符串数组的区别
- 【区块链】Tendermint——概述、PoS共识算法与架构
- checkedListBox
- LeetCode题目:旋转字符串
- Mac提示“***已损坏,无法打开。 您应该将它移到废纸篓“
- python mysql查询判空_python 操作查询mysql数据库 如何判断返回是否为空值?