前言：

    

目录

1.     cat
2.    stack
3.    split
4.     chunk

---

一  cat（合并）

      

      df = torch.cat([df1,df2,df3],dim=0)

      要合并的维度可以不相等，其它维度大小必须一样

      应用场景：

      比如有两个统计数据[class,students,scores]

      A = [4,32,8],    4个班级，每班32人，每个人8个科目的考试成绩

      B=  [5,32,8]    5个班级，每班32人，每个人8个科目的考试成绩

      现在合并成一个张量

       C= [9,32,8]  9个班级，每班32人，每个人8个科目的考试成绩

       

   1.2  例2 

        【students,score】

         df1 = [4,4]: 4个学生，4科成绩

        df2 = [4,4] 4个学生，4科成绩

         df3 = [4,4] 4个学生，4科成绩

        通过cat([df1,df2,df3], dim=0)后得到

         df =[12,4] 12个学生，4科成绩

 

 

 1.3  例3

    

    torch.Size([4, 3, 32, 32])

---

二  stack（合并）

     原理：

     在指定的维度前面创建一个新的维度，需要stack的张量必须shape一样

    

    如上两个班级

    df1=[32,8] 32个人，8科成绩

    df2=[32,8] 32个人，8 科成绩

    最后df的shape 如下：

    torch.Size([2, 32, 8])

    大小不一样出错例子

 

---

   三 split (拆分）

     按指定的长度,在指定的维度上面进行拆分。

   

   比如 4个班，每班8人，3科成绩

   torch.Size([1, 8, 3])  1个重点班
   torch.Size([3, 8, 3])  3个普通班

---

四 chunk 拆分

     按指定的数量，在指定的维度上面拆分

  6个班，每班8个学生，3科成绩.

  拆分成两组，每组3个班，

 输出：

torch.Size([3, 8, 3]) torch.Size([3, 8, 3])