mindspore.ops.split

mindspore.ops.split(tensor, split_size_or_sections, axis=0)

根据指定的轴将输入Tensor切分成块。

参数：

• tensor (Tensor) - 要被切分的Tensor。

• split_size_or_sections (Union[int, tuple(int), list(int)]) - 如果 split_size_or_sections 是int类型， tensor 将被均匀的切分成块，每块的大小为 split_size_or_sections ，若 tensor.shape[axis] 不能被 split_size_or_sections 整除，最后一块大小将小于 split_size_or_sections 。 如果 split_size_or_sections 是个list类型，tensor 将沿 axis 轴被切分成 len(split_size_or_sections) 块，大小为 split_size_or_sections 。

• axis (int) - 指定分割轴。默认值： 0 。

返回：

tuple[Tensor]。

异常：

• TypeError - tensor 不是Tensor。

• TypeError - axis 不是int类型。

• ValueError - 参数 axis 超出 \([-tensor.ndim, tensor.ndim)\) 范围。

• TypeError - split_size_or_sections 中的每个元素不是int类型

• TypeError - split_size_or_sections 不是int，tuple(int)或list(int)。

• ValueError - split_size_or_sections 的和不等于tensor.shape[axis]。

支持平台：

Ascend GPU CPU

样例：

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