一、张量拼接与切分
1.1 torch.cat()
功能：将张量按维度dim进行拼接
• tensors: 张量序列
• dim : 要拼接的维度
torch.cat(tensors, dim=0, out=None)
1.2 torch.stack()
功能：在新创建的维度dim上进行拼接
• tensors:张量序列
• dim :要拼接的维度
torch.stack(tensors, dim=0, out=None)
1.3 torch.chunk()
功能：将张量按维度dim进行平均切分
返回值：张量列表
注意事项：若不能整除，最后一份张量小于
其他张量
• input: 要切分的张量
• chunks : 要切分的份数
• dim : 要切分的维度
torch.chunk(input, chunks, dim=0)
1.4 torch.split()
功能：将张量按维度dim进行切分
返回值：张量列表
• tensor: 要切分的张量
• split_size_or_sections : 为int时，表示
每一份的长度；为list时，按list元素切分
• dim : 要切分的维度
torch.split(tensor, split_size_or_sections, dim=0)
二、张量索引
2.1 torch.index_select()
功能：在维度dim上，按index索引数据
返回值：依index索引数据拼接的张量
• input: 要索引的张量
• dim: 要索引的维度
• index : 要索引数据的序号
torch.index_select(input, dim, index, out=None)
2.2 torch.masked_select()
功能：按mask中的True进行索引
返回值：一维张量
• input: 要索引的张量
• mask: 与input同形状的布尔类型张量
torch.masked_select(input, mask, out=None)
三、张量变换
3.1 torch.reshape()
功能：变换张量形状
注意事项：当张量在内存中是连续时，新张
量与input共享数据内存
• input: 要变换的张量
• shape: 新张量的形状
torch.reshape(input, shape)
3.2 torch.transpose()
功能：交换张量的两个维度
• input: 要变换的张量
• dim0: 要交换的维度
• dim1: 要交换的维度
torch.transpose(input, dim0, dim1)
3.3torch.t()
功能：2维张量转置，对矩阵而言，等价于
torch.transpose(input, 0, 1)
torch.t(input)
3.4 torch.squeeze()
功能：压缩长度为1的维度（轴）
• dim: 若为None，移除所有长度为1的轴；
若指定维度，当且仅当该轴长度为1时，可
以被移除；
torch.squeeze(input, dim=None, out=None)
3.5 torch.unsqueeze()
功能：依据dim扩展维度
• dim: 扩展的维度
torch.usqueeze(input, dim, out=None)
四、张量数学运算
4.1加减乘除
torch.add() torch.addcdiv() torch.addcmul() torch.sub() torch.div() torch.mul()
torch.add()
功能：逐元素计算 input+alpha×other
• input: 第一个张量
• alpha: 乘项因子
• other: 第二个张量
torch.add(input, alpha=1, other, out=None)
4.2对数，指数，幂函数
torch.log(input, out=None) torch.log10(input, out=None) torch.log2(input, out=None) torch.exp(input, out=None) torch.pow()
4.3三角函数
torch.abs(input, out=None) torch.acos(input, out=None) torch.cosh(input, out=None) torch.cos(input, out=None) torch.asin(input, out=None) torch.atan(input, out=None) torch.atan2(input, other, out=None)
