7.合并与分割

merge合并

torch.cat/torch.stack

1.cat

第一个参数是合并的两个tensor，第二个参数决定在哪个维度上合并
合并的维度可以不一样，但是其他属性要一样。
某个tensor是4行4列，dim=0时，竖着拼接；dim=1，横着拼接。

aa=torch.rand(5,32,8)
bb=torch.rand(4,32,8)
cc=torch.cat([aa,bb],dim=0)
print(cc.shape)

aa[5，32，8]，b[4，32，8]，保证后面两个维度相同

若是a[4，32，4]，b[5，32，8]，cat之前，需要先把a的最后一个4补充0到8，然后再拼接成[9，32，8]。

2.stack

可以完成某种意义上的cat，但是会创建一个新的维度。该新的维度的意义由具体的实际问题决定。
每个维度都需要相同。

aa=torch.rand(4,3,16,32)
bb=torch.rand(4,3,16,32)
cc=torch.stack([aa,bb],dim=0)
dd=torch.stack([aa,bb],dim=2)
print(cc.shape)
print(dd.shape)

stack后[4,3,2,16,32]，因为stack的地方是16处，在16前面插入新的维度，当新维度取0时，16代表着a的16，当新维度取1时，16代表着b的16，a和b的第2个维度都是16。

a=torch.rand(32,8)
b=torch.rand(32,8)
c=torch.stack([a,b],dim=0)
print(c.shape)

假设这是两个班级的成绩，当两个班级的成绩合并后，成绩一起，但是依然属于不同的班级，此时的新的维度代表着不同的班级，意味着有2个班级，每个班级有32个人，，每个人有8门课程。

split分割

.split()/.chunk()

1.split

按长度拆分,
根据单元长度拆分，第一个参数是每个单元的长度是多少，第二个是要拆分的维度。

a=torch.rand(3,32,8)
b,c=a.split([2,1],dim=0)
d,e=b.split(1,dim=0)
print(b.shape)
print(c.shape)
print(d.shape)
print(e.shape)

[3,32,8]拆分成[2,32,8]和[1,32,8]，这里的split([2,1],dim=0)，取2个拆成一个，再取1个拆成一个。
长度不一样时，写成list形式，如[3,1,2]，若都是相同的长度，可以直接写一个数，如2。

a=torch.rand(2,32,8)
b,c=a.split(2,dim=0)

这个错的原因是：
原有意思是，拆分成n块，每块长度为2。对于两个班级，我们不能拆分成长度为2的1块。

2.chunk

按数量拆分

a=torch.rand(3,32,8)
b,c=a.chunk(2,dim=0)
print(b.shape)
print(c.shape)

按照数量2拆分，即使第二个tensor数量不够2，也可以拆分。