pytorch每日一学40(torch.split())将张量拆分为块(tensor的分割)

第40个方法

torch.split(tensor, split_size_or_sections, dim=0)

此方法和前面的torch.chunk()一样，都是将tensor进行切割的方法，但是这两有什么区别呢？其实我们split方法功能更多样一些。

看一下此方法的参数：

• tensor：要被切割的tensor。
• split_size_or_sections：当此参数为整数时，意思是将tensor按照每块大小为split_size_or_sections来切割，当此参数为列表时，将此tensor切成和列表中元素大小一样的大小的块。
• dim：指定要切分的维度。

这里主要就是split_size_or_sections参数的使用，当split_size_or_sections为整数时，此方法和torch.chunk()方法一样(此方法这里讲的比较详细，可以点击查看，而本方法这里简短讲述)，都是将tensor切割为每块大小都为split_size_or_sections，最后块可能会小一些。如下图：

而当split_size_or_sections为列表时，方法根据列表中的元素的大小，将tensor分为len(split_size_or_sections)个块，并且每个块的大小等于split_size_or_sections中元素的大小。如下所示：

当然，此方法可以用在别的维度上，例如在1维上：

其实对于维度为1也很简单，就是将tensor按照列来切割。对于高维也是如此，就是在指定维度上将里面的元素分割开即可，切割后生成的tensor和原tensor维度相等。

• 注意，此方法中，列表中元素的和，应该等于dim维度上的元素个数，例如这里是2+2=4。如果不等，会报错。

此方法生成的结果是视图，和原tensor共享内存。
如果想要修改返回的值，请使用clone函数，例如下图所示：

此时就不会产生修改时对原tensor也进行了修改的错误。

此方法与fTensor.split()一样，例如上图中的b = torch.split(a, (2, 2), dim=1)可以改成b = a.split((2, 2), dim=1)效果一样。