[人工智能]torch学习笔记(2)——tensor常见11种操作方式

import torch
import numpy as np

tensor = torch.ones((3, 3))
print(tensor)

# tensor拼接
# cat()将tensor按照维度dim进行拼接。tensors=张量序列。dim=要拼接的维度
t_cat_0 = torch.cat([tensor, tensor], dim=0)  # tensor在第0维度自拼接，第0维度相当于在（x,y）的x处拼接，因此输出为（6，3）
print(t_cat_0, t_cat_0.shape)
t_cat_1 = torch.cat([tensor, tensor], dim=1)  # tensor在第1维度自拼接，第1维度相当于在（x,y）的y处拼接，因此输出为（3，6）
print(t_cat_1, t_cat_1.shape)
# stack()在创建的维度dim上进行拼接。tensors=张量序列。dim=要拼接的维度
t_stack_2 = torch.stack([tensor, tensor, tensor], dim=2)  # tensor在创建的第2维度自拼接,如果选定的为已存在的维度，则现有维度向+1方向后延
print(t_stack_2, t_stack_2.shape)

# tensor切分
# chunk()将tensor在指定dim上平均切分 input = tensor ; chunks = 切割份数 ; dim = 待切割维度,return tensor_list
# war：如果不能整除，最后一份tensor小于其他tensor
t_chunk_1_2 = torch.chunk(tensor, dim=1, chunks=2)  # 对二维3*3tensor第一维度进行切分，切2
for i, t in enumerate(t_chunk_1_2):
    print(i, t, t.shape)
# split()将tensor按维度dim切分，tensor待切割张量，split_szie_or_sections:int表示每份长度，list表示按list切分。dim = 待切割维度,return tensor_list
t_split_1_2 = torch.split(tensor, 2, dim=1)  # 对二维3*3tensor第一维度进行切分，长度为2，此时split_szie_or_sections为整型
for i, t in enumerate(t_split_1_2):
    print(i, t, t.shape)
t_split_1_2 = torch.split(tensor, [1, 2],
                          dim=1)  # 对二维3*3tensor第一维度进行切分，长度为2，此时split_szie_or_sections为列表，list_sum = tensor_dim
for i, t in enumerate(t_split_1_2):
    print(i, t, t.shape)

# tensor索引
# index_select()在维度dim上，按index索引数据，return：index对饮数据拼接的tensor，input=要索引tensor，dim=要索引维度，index=要索引序列号
tensor = torch.randint(0, 6, size=(3, 3))
t_select = torch.select(tensor, dim=0, index=1)
print(tensor, '\n', t_select)
# masked_select()按mask中的True进行索引，return：一维符合条件的位置tensor，input=要索引的tensor，mask=与input形状相同的bool_tensor #常用于筛选数据
mask = tensor.ge(5)  # ge表示大于等于的bool，le表示小于等于，lt表示小于
t_maks = torch.masked_select(tensor, mask)
print(t_maks)

# tensor变换
# reshape()变换tensor形状  input表示输入tensor  shape表示tensor形状
# 注意：当tensor在内存中连续时，新的tensor与input共享id
t_reshape = torch.reshape(tensor, shape=(9, 1))
print(t_reshape)
# transpose()交换tensor的两个维度 input：要交换的tensor  dim0，dim1
t_transpose = torch.transpose(tensor, dim0=0, dim1=1)
print(t_transpose)
# t()二维tensor转置，等价于transpose(input,0,1)
t_t = torch.t(tensor)
print(t_t)
# squeeze()压缩长度为1的维度 dim =None表示移除所有长度为1的轴，如果指定dim，则当且仅当该轴长度为1时，可以被移除
tensor = torch.rand((1, 2, 3, 1))
print(tensor.shape)
t_squeeze = torch.squeeze(tensor)
print(t_squeeze.shape)
# unsqueeze()依据dim扩展维度，dim = 扩展的维度
t_unsqueeze = torch.unsqueeze(tensor,dim=1)
print(tensor.shape)
print(t_unsqueeze.shape)