4.3 Tensor的变换、拼接和拆分

PyTorch提供了大量对Tensor进行操作的函数或方法，这些函数内部使用指针实现对矩阵的形状变换、拼接和拆分等操作，使得我们无须关心Tensor在内存的物理结构或者管理指针就可以方便快速地执行这些操作。Tensor.nelement()、Tensor.ndimension()或ndimension.size()可分别用于查看矩阵元素的个数、轴的个数以及维度，属性Tensor.shape也可以用于查看Tensor的维度。

在PyTorch中，Tensor.reshape和Tensor.view都能被用于更改Tensor的维度。它们的区别在于：Tensor.view要求Tensor的物理存储必须是连续的，否则将报错，而Tensor.reshape则没有这种要求。但是，Tensor.view返回的一定是一个索引，若更改返回值，则原始值同样被更改，Tensor.reshape返回的是引用还是拷贝是不确定的。它们的相同之处是都接收要输出的维度作为参数，且输出的矩阵元素个数不能改变，若在维度中输入-1，PyTorch会自动推断它的数值。

torch.squeeze和torch.unsqueeze用于给Tensor去掉和添加轴。torch.squeeze可以去掉维度为1的轴，而torch.unsqueeze用于给Tensor的指定位置添加一个维度为1的轴。

torch.t和torch.transpose用于转置二维矩阵，同时只接收二维Tensor。值得注意的是，torch.t是torch.transpose的简化版。

对于高维度Tensor，可以使用permute方法来变换维度。

PyTorch提供了torch.cat和torch.stack用于拼接矩阵，区别在于：torch.cat在已有的轴dim上拼接矩阵，给定轴的维度可以不同，而其他轴的维度必须相同。torch.stack在新的轴上拼接，同时它要求被拼接矩阵的所有维度都相同。下面的例子中可以很清楚地表明它们的使用方式和区别。

除了拼接矩阵外，PyTorch还提供了torch.split和torch.chunk用于拆分矩阵。它们的不同之处在于：torch.split传入的是拆分后每个矩阵的大小，既可以传入list，也可以传入整数，而torch.chunk传入的是拆分的矩阵个数。