一、torch.cat()函数
熟悉C字符串的同学们应该都用过strcat（）函数，这个函数在C/C++程序中用于连接2个C字符串。在pytorch中，同样有这样的函数，那就是torch.cat()函数.
先上源码定义：torch.cat(tensors,dim=0,out=None)
- 第一个参数tensors是你想要连接的若干个张量，按你所传入的顺序进行连接，注意每一个张量需要形状相同，或者更准确的说，进行行连接的张量要求列数相同，进行列连接的张量要求行数相同
- 第二个参数dim表示维度，dim=0则表示按行连接，dim=1表示按列连接
a=torch.tensor([[1,2,3,4],[1,2,3,4]])
b=torch.tensor([[1,2,3,4,5],[1,2,3,4,5]])
print(torch.cat((a,b),1))
#输出结果为：
tensor([[1, 2, 3, 4, 1, 2, 3, 4, 5],[1, 2, 3, 4, 1, 2, 3, 4, 5]])
二、torch.chunk（）函数
torch.cat()函数是把各个tensor连接起来，这里的torch.chunk（）的作用是把一个tensor均匀分割成若干个小tensor
源码定义:torch.chunk(intput,chunks,dim=0)
- 第一个参数input是你想要分割的tensor
- 第二个参数chunks是你想均匀分割的份数，如果该tensor在你要进行分割的维度上的size不能被chunks整除，则最后一份会略小（也可能为空）
- 第三个参数表示分割维度，dim=0按行分割，dim=1表示按列分割
- 该函数返回由小tensor组成的list
c=torch.tensor([[1,4,7,9,11],[2,5,8,9,13]])
print(torch.chunk(c,3,1))
#输出结果为：
(tensor([[1, 4],[2, 5]]), tensor([[7, 9],[8, 9]]), tensor([[11],[13]]))
三、torch.split()函数
这个函数可以说是torch.chunk（）函数的升级版本，它不仅可以按份数均匀分割，还可以按特定方案进行分割。
源码定义：torch.split(tensor,split_size_or_sections,dim=0)
- 第一个参数是待分割张量
- 第二个参数有两种形式。
一种是分割份数，这就和torch.chunk（）一样了。
第二种这是分割方案，这是一个list，待分割张量将会分割为len（list）份，每一份的大小取决于list中的元素 - 第三个参数为分割维度
section=[1,2,1,2,2]
d=torch.randn(8,4)
print(torch.split(d,section,dim=0))
#输出结果为：
(tensor([[ 0.5388, -0.8537, 0.5539, 0.7793]]), tensor([[ 0.1270, 2.6241, -0.7594, 0.4644],[ 0.8160, 0.5553, 0.1234, -1.1157]]), tensor([[-0.4433, -0.3093, -2.0134, -0.4277]]), tensor([[-0.4297, 0.2532, 0.2789, -0.3068],[ 1.4208, -0.1202, 0.9256, -1.2127]]), tensor([[ 0.3542, -0.4656, 1.2683, 0.8753],[-0.2786, -0.2180, 0.3991, 0.5658]]))
参考文献：https://pytorch.org/docs/stable/torch.html