将多维 pytorch 张量拆分为“n”个较小的张量答案

【问题标题】：Split a multiple dimensional pytorch tensor into "n" smaller tensors将多维 pytorch 张量拆分为“n”个较小的张量
【发布时间】：2020-08-31 19:23:39
【问题描述】：

假设我有一个具有这种形状的 5D 张量，例如：(1, 3, 10, 40, 1)。我想根据某个维度将其拆分为较小的相等张量（如果可能），step 等于 1，同时保留其他维度。

假设我想根据第四维 (=40) 将其拆分，其中每个张量的大小等于 10。所以第一个 tensor_1 将具有 0->9 的值，tensor_2 将具有 1->10 的值等等。

39 个张量将具有这些形状：

Shape of tensor_1 : (1, 3, 10, 10, 1)
Shape of tensor_2 : (1, 3, 10, 10, 1)
Shape of tensor_3 : (1, 3, 10, 10, 1)
...    
Shape of tensor_39 : (1, 3, 10, 10, 1)

这是我尝试过的：

a = torch.randn(1, 3, 10, 40, 1)

chunk_dim = 10
a_split = torch.chunk(a, chunk_dim, dim=3)

这给了我 4 个张量。我该如何编辑它，这样我将有 39 个张量，步长 = 1，就像我解释的那样？

【问题讨论】：

这些不是分裂，而是重叠张量

标签： python pytorch tensor

【解决方案1】：

这会创建我想要的重叠张量：

torch.unfold(dimension, size, step)

【讨论】：

【解决方案2】：

您可以使用以下方式访问ith 拆分：

a[:,:,:,i:i+10,:]

例如，您的示例中的tensor_3 可以访问为：

a[:,:,:,3:13,:]

如果您需要创建这些拆分的副本列表，您可以运行一个循环并使用迭代器进行索引。

【讨论】：