本次介绍一下 Tensor 张量合并与分割常用的一些方法：
1. torch.cat(tensors, dim=0, *** , out=None) → [Tensor]
方法释义：对除了要合并维度之外，其它维度 shape 都一样的 tensor 序列（数组或列表）进行合并操作
参数介绍：
tensors：要合并的 tensor 列表，shape 除 dim 指定维度外，其它维度必须一样；
dim：具体要合并的维度索引，从 0 开始
示例：
a = torch.rand(3, 4)
b = torch.rand(3, 5)
c = torch.rand(2, 4)
# 对 a, b 两 tensor 在第二个维度进行合并，相当于 3 行 4 列的矩阵 与 3 行 5 列的矩阵，合并成了 3 行 9 列的矩阵
print(torch.cat([a, b], 1).size())
# 会报错，因为在第一维度上 a, c size 不一致, 和输出结果描述的错误一样
print(torch.cat([a, c], 1).size())
# 输出结果
torch.Size([3, 9])
RuntimeError: Sizes of tensors must match except in dimension 1. Expected size 3 but got size 2 for tensor number 1 in the list.
2. torch.stack(tensors, dim=0, *** , out=None) → [Tensor]
方法释义：对具有相同 size 的 tensor 序列，在指定维度索引位置插入一个新维度，并合并。
参数介绍：
tensors：相同 size 的 tensor 序列
dim：要插入并合并的索引维度，大小在 [-(dim + 1), dim] 区间
示例：
a = torch.rand(2, 3, 5)
b = torch.rand(2, 3, 5)
# a, b tensor 分别在维度索引 3 处插入一个维度,即
# a, b 变成 torch.Size([2, 3, 5, 1]),然后再合并成 torch.Size([2, 3, 5, 2])
print(torch.stack([a, b], 3).shape)
# 这个索引 -4 ，是相当于 0 , 负数是从后面 -1 数过来
print(torch.stack([a, b], -4).shape)
# 报错，索引越界了，需要在 [-4, 3] 范围
print(torch.stack([a, b], 4))
# 输出结果
torch.Size([2, 3, 5, 2])
torch.Size([2, 2, 3, 5])
IndexError: Dimension out of range (expected to be in range of [-4, 3], but got 4)
3. torch.split(tensor, split_size_or_sections, dim=0) → List[Tensor]
方法释义：将 tensor 拆分成块，每块都与原 tensor 维度保持一致
参数介绍：
tensor：要拆分的 tensor
split_size_or_sections(int or list(int))：单块的 size 或者 list 中指明的各块 size 。
-
如果是 int 类型，将尽力按照单块 size 去拆分，如果不能整除 size，那么最后一块的 size 可能会小一些；
-
如果是 list 类型，将拆分成 list 长度的块，每块按照 list 指定的 size 进行拆分。
dim：根据哪个维度索引进行拆分
示例：
a = torch.rand(2, 3, 5)
# 根据第一个维度,每块 size 为 2 进行拆分，因为维度一 size 等于 2，所以只拆分了一块出来
aa = torch.split(a, 2, 0)
print(aa[0].shape)
# 根据维度二，拆分成 2 块，一块维度二 size 等于 1，另一块维度二 size 等于 2
bb = torch.split(a, [1, 2], 1)
print(bb[0].shape)
print(bb[1].shape)
# 报错，因为拆分成 2 块，但这两块的 size 不等于维度二的 3
bb = torch.split(a, [1, 1], 1)
# 输出结果
torch.Size([2, 3, 5])
torch.Size([2, 1, 5])
torch.Size([2, 2, 5])
RuntimeError: split_with_sizes expects split_sizes to sum exactly to 3 (input tensor's size at dimension 1), but got split_sizes=[1, 1]
4. torch.chunk(input, chunks, dim=0) → List of Tensors
方法释义：试图将 tensor 拆分为指定的块数，维度和原 tensor 保持一致，拆分出来的块数可能比指定的块数少
参数介绍：
input：要拆分的 tensor
chunks：返回要拆分的块数
dim：根据哪个维度进行拆分
示例：
a = torch.rand(2, 3, 5)
# 将第二维度的 size 拆分成 4 块，由于第二维度为 3，只拆分成了 3 块返回
aa = torch.chunk(a, 4, 1)
print(aa[0].shape)
print(aa[1].shape)
print(aa[2].shape)
# 报错，索引越界了
print(aa[3].shape)
# 输出结果
torch.Size([2, 1, 5])
torch.Size([2, 1, 5])
torch.Size([2, 1, 5])
IndexError: tuple index out of range
5. cat 与 stack 使用场景区分
cat： 更多是在原有的维度上进行合并，适合于一些不需要新增维度的场景，如要将 1 ~ 4 班学生的科目成绩，与 5 ~ 8 班的科目成绩合并统计（学生人数和科目一样）
stack：适用于要新增维度的场景，如上面并没有班级维度的话，在统计时就需要通过 stack 新增一个班级维度进行合并。
