mindspore.numpy.array_split

mindspore.numpy.array_split(x, indices_or_sections, axis=0)[源代码]

将一个Tensor切分为多个Sub-Tensors。

说明

目前， array_split 仅支持CPU上的 mindspore.float32 。

np.split 和 np.array_split 之间的唯一区别是， np.array_split 允许 indices _or_sections 是一个不用等分 axis 的整数。对于长度为l的Tensor，其应当被分割成n个部分，返回的子数组中一部分子数组shape为 \(l//n+1\) ，剩余子数组shape为 \(l//n\) 。

参数：

x (Tensor) - 待切分的Tensor。
indices_or_sections (Union[int, tuple(int), list(int)]) - 如果是整数 \(N\) ，Tensor将沿指定的轴被拆分成 \(N\) 个子张量。如果是tuple(int)、list(int)或排序后的整数序列，则这些条目表示在指定轴上的拆分位置。例如，给定 \([2,3]\) 在 \(axis=0\) 上拆分，则结果将是三个Sub-Tensors，为 \(x[:2]\) ， \(x[2:3]\) ， \(x[3:]\) 。如果某个索引超出了指定轴的维度，相应地将返回一个空子数组。
axis (int) - 要沿其切分的轴。默认值： 0 。

返回：

Sub-Tensors列表。

异常：

TypeError - 如果参数 indices_or_sections 不是整数、tuple(int)或list(int)，或者参数 axis 不是整数。
ValueError - 如果参数 axis 超出 \([-x.ndim,x.ndim)\) 的范围。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore.numpy as np
>>> input_x = np.arange(9).astype("float32")
>>> output = np.array_split(input_x, 4)
>>> print(output)
(Tensor(shape=[3], dtype=Float32,
    value= [ 0.00000000e+00,  1.00000000e+00,  2.00000000e+00]),
Tensor(shape=[2], dtype=Float32,
    value= [ 3.00000000e+00,  4.00000000e+00]),
Tensor(shape=[2], dtype=Float32,
    value= [ 5.00000000e+00,  6.00000000e+00]),
Tensor(shape=[2], dtype=Float32,
    value= [ 7.00000000e+00,  8.00000000e+00]))