ptorch索引、切片、连接和换位

目录：
1.torch.cat 使用dim对Tensor进行指定拼接
2.如何将一个Tensor按指定维度切片？
3.按照索引对元素进行聚合
4，如何按照索引选择目标数据？
5、如何选出满足矩阵条件的元素？
6.如何找出矩阵中的非零元素的索引？
7.如何将输入张量分割成相同形状的的chunks？
8.如何增加一个矩阵的维度（如1维变2维）？
9.如何实现Tensor维度之间的转置？
10.如何沿着某个维度切片后返回所有切片组成的列表？
1.torch.cat 使用dim对Tensor进行指定拼接
Tensor = torch.ones(2,3)
print(torch.cat([Tensor,Tensor]))
print(torch.cat([Tensor,Tensor],dim=0)) # 纵向拼接为一个矩阵
print(torch.cat([Tensor,Tensor],dim=1).shape) # 横向拼接为一个矩阵
# torch.stack 方法进行拼接
print(torch.stack([Tensor,Tensor],dim=1).shape) # 拼接为两个矩阵

2.如何将一个Tensor按指定维度切片？
x = torch.ones(2,10)
print(torch.chunk(x,5,dim=1)) # 横向切片，切为5个

3.按照索引对元素进行聚合
x = torch.Tensor([[33,66,9],[1,99,88]])
print(x)
result = torch.gather(x,1,torch.LongTensor([[0,1],[1,2]])) # 按索引取 维度1 *行的 1 2两个数 第二行的2 3 两个数
print(result)
print(result.shape)

4，如何按照索引选择目标数据？
x = torch.randn(2,7)
print(x)
# 参数1：原Tensor 参数2：维度 参数3：该维度上的索引
y = torch.index_select(x,1,torch.LongTensor([1,3,5]))
print(y)
z = torch.index_select(x,0,torch.LongTensor([1]))
print(z)

5、如何选出满足矩阵条件的元素？
x = torch.randn(2,4)
print(x)
mask = x.ge(0.5) # 大于0.5为1 小于0.5 为0
print(mask)
print(torch.masked_select(x,mask))

6.如何找出矩阵中的非零元素的索引？
x = torch.Tensor([[0.0,1.1],[6.6,0.0]])
print(x)
print(torch.nonzero(x))
———————————————————————-
result:
tensor([[0.0000, 1.1000],
[6.6000, 0.0000]])
tensor([[0, 1],
[1, 0]])

7.如何将输入张量分割成相同形状的的chunks？
x = torch.ones(2,5)
print(x)
print(torch.split(x,2,dim=1))
print(torch.split(x,1,dim=0))
print(torch.split(x,[2,3],dim=1))
———————————————————————
result:
tensor([[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.]])
(tensor([[1., 1.],
[1., 1.]]), tensor([[1., 1.],
[1., 1.]]), tensor([[1.],
[1.]]))
(tensor([[1., 1., 1., 1., 1.]]), tensor([[1., 1., 1., 1., 1.]]))
(tensor([[1., 1.],
[1., 1.]]), tensor([[1., 1., 1.],
[1., 1., 1.]]))

8.如何增加一个矩阵的维度（如1维变2维）？
x = torch.Tensor([1,2,3,4,5])
print(x.shape)
y = x.unsqueeze(dim=0) # 降维用squeeze（）删除dim指定维度
print(y)
print(y.shape)
z = x.unsqueeze(dim=1)
print(z.shape)
———————————————————————–
result:
torch.Size([5])
tensor([[1., 2., 3., 4., 5.]])
torch.Size([1, 5])
torch.Size([5, 1])

9.如何实现Tensor维度之间的转置？
x = torch.randn(2,1)
print(x,x.shape)
y = torch.t(x)
print(y,y.shape)
z = torch.transpose(x,1,0)
print(z,z.shape)
print(x.t())
print(x.transpose(1,0))
———————————————————————–
result:
tensor([[0.6000],
[0.2830]]) torch.Size([2, 1])
tensor([[0.6000, 0.2830]]) torch.Size([1, 2])
tensor([[0.6000, 0.2830]]) torch.Size([1, 2])
tensor([[0.6000, 0.2830]])
tensor([[0.6000, 0.2830]])

10.如何沿着某个维度切片后返回所有切片组成的列表？
x = torch.rand(2,2,2)
print(x)
print(torch.unbind(x,dim=1))
———————————————————————–
result:
tensor([[[0.0420, 0.9931],
[0.5015, 0.7112]],

[[0.2467, 0.9473],
[0.7529, 0.8323]]])
(tensor([[0.0420, 0.9931],
[0.2467, 0.9473]]), tensor([[0.5015, 0.7112],
[0.7529, 0.8323]]))