4.3 Tensor的變換、拼接和拆分

PyTorch提供了大量對Tensor進行操作的函數或方法，這些函數內部使用指針實現對矩陣的形狀變換、拼接和拆分等操作，使得我們無須關心Tensor在內存的物理結構或者管理指針就可以方便快速地執行這些操作。Tensor.nelement()、Tensor.ndimension()或ndimension.size()可分別用于查看矩陣元素的個數、軸的個數以及維度，屬性Tensor.shape也可以用于查看Tensor的維度。

在PyTorch中，Tensor.reshape和Tensor.view都能被用于更改Tensor的維度。它們的區別在于：Tensor.view要求Tensor的物理存儲必須是連續的，否則將報錯，而Tensor.reshape則沒有這種要求。但是，Tensor.view返回的一定是一個索引，若更改返回值，則原始值同樣被更改，Tensor.reshape返回的是引用還是拷貝是不確定的。它們的相同之處是都接收要輸出的維度作為參數，且輸出的矩陣元素個數不能改變，若在維度中輸入-1，PyTorch會自動推斷它的數值。

torch.squeeze和torch.unsqueeze用于給Tensor去掉和添加軸。torch.squeeze可以去掉維度為1的軸，而torch.unsqueeze用于給Tensor的指定位置添加一個維度為1的軸。

torch.t和torch.transpose用于轉置二維矩陣，同時只接收二維Tensor。值得注意的是，torch.t是torch.transpose的簡化版。

對于高維度Tensor，可以使用permute方法來變換維度。

PyTorch提供了torch.cat和torch.stack用于拼接矩陣，區別在于：torch.cat在已有的軸dim上拼接矩陣，給定軸的維度可以不同，而其他軸的維度必須相同。torch.stack在新的軸上拼接，同時它要求被拼接矩陣的所有維度都相同。下面的例子中可以很清楚地表明它們的使用方式和區別。

除了拼接矩陣外，PyTorch還提供了torch.split和torch.chunk用于拆分矩陣。它們的不同之處在于：torch.split傳入的是拆分后每個矩陣的大小，既可以傳入list，也可以傳入整數，而torch.chunk傳入的是拆分的矩陣個數。