一、方法详解
含义：将一个张量分为几个chunks
torch.split(tensor, split_size_or_sections, dim=0)
1
tensor：要分的张量
split_size_or_sections：
如果该项参数的值为一个int类型的value值，那么该方法会将tensor划分为同等数量的张量；如果tensor的size沿着给定的不能整除split_size，那么最后一个chunk相较于其它chunk小；
如果是一个list列表，该方法会将tensor划分为len(split_size_or_sections)的张量。
dim：划分张量所依据的维度
return：返回的是一个tuple
这样纯靠文字解释，是很抽象的，我们直接通过以下的案例来对这个方法进行彻底的掌握。
二、案例
案例1
import torch
# 创建一个张量
x = torch.arange(10).reshape(5, 2)
print(x)
y = torch.split(x, 2)
print(y, type(y))
案例2
x = torch.arange(10).reshape(5, 2)
print(x)
y = torch.split(x, [2, 3])
print(y)
案例3
x = torch.arange(10).reshape(5, 2)
print(x)
y = torch.split(x, [1, 4])
print(y)
原文链接：https://blog.csdn.net/dongjinkun/article/details/115375847
torch.split，用来划分tensor，可以从数量上划分，还有维度上划分。
torch.split(tensor,split_szie,dim），split_size有整数，也有列表，dim默认为0，自己也可以修改。
代码示例：
import torch
a=torch.tensor([[[1,2,3],[4,5,6]],
[[7,8,9],[10,11,12]]])
print("a的shape：",a.shape)
#在第0维上进行split
b=torch.split(a,1)
print("b:",b)
#在第1维上进行split
c=torch.split(a,[1,1],1)
print("c:",c)
输出：
a的shape： torch.Size([2, 2, 3])
b: (tensor([[[1, 2, 3],
[4, 5, 6]]]),
tensor([[[ 7, 8, 9],
[10, 11, 12]]]))
c: (tensor([[[1, 2, 3]],
[[7, 8, 9]]]),
tensor([[[ 4, 5, 6]],
[[10, 11, 12]]]))
————————————————
版权声明：本文为CSDN博主「江南汪」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_47156261/article/details/116599161