mindspore.ops.tensor_split

mindspore.ops.tensor_split(input, indices_or_sections, axis=0)[源代码]

根据指定的轴将输入Tensor进行分割成多个子Tensor。

参数：

input (Tensor) - 待分割的Tensor。
indices_or_sections (Union[int, tuple(int), list(int)]) -
- 如果 indices_or_sections 是整数类型n，输入tensor将分割成n份。
  - 如果 \(input.shape(axis)\) 能被n整除，那么子切片的大小相同，为 \(input.shape(axis) / n\) 。
  - 如果 \(input.shape(axis)\) 不能被n整除，那么前 \(input.shape(axis) % n\) 个切片的大小为 \(input.shape(axis) // n + 1\) ，其余切片的大小为 \(input.shape(axis) // n\) 。
- 如果 indices_or_sections 类型为tuple(int) 或 list(int)，那么输入tensor将在tuple或list中的索引处切分。例如：给定参数 \(indices\_or\_sections=[1, 4]\) 和 \(axis=0\) 将得到切片 \(input[:1]\) ， \(input[1:4]\) ，和 \(input[4:]\) 。
axis (int) - 指定分割轴。默认值：0。

返回：

tuple[Tensor]。

异常：

TypeError - input 不是Tensor。
TypeError - axis 不是int类型。
ValueError - 参数 axis 超出 \([-input.ndim, input.ndim)\) 范围。
TypeError - indices_or_sections 中的每个元素不是int类型
TypeError - indices_or_sections 不是int，tuple(int)或list(int)。

支持平台：

Ascend GPU CPU

样例：

>>> input_x = np.arange(9).astype("float32")
>>> output = ops.tensor_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]))