torch。chunk（input， chunks， dim=0） → List of Tensors
功能：將輸入tensor切分為特定數量的塊（chunk），每個chunk是輸入tensor的一個
檢視
（view）。如果dim對應維度大小無法被chunks整除，實際分片數可能小於chunks指定的數量，或者後面分片的大小會小一些。具體可以參考下面提到的不能整除的例子。
返回：切分後tensor構成的列表。所以可以透過訪問列表的方式來獲取結果相應的屬性，如
len（output）， output［0］等。
引數說明：
input
（
Tensor
） –輸入tensor
chunks （int） –
期望
切分的塊數，
注意這裡只能是整數
dim
（
int
） – tensor從哪個維度進行切分
可以整除
>>> import torch>>> input = torch。tensor（［［1，2，3，4］， ［5，6，7，8］， ［9，10，11，12］， ［13，14，15，16］］）>>> inputtensor（［［ 1， 2， 3， 4］， ［ 5， 6， 7， 8］， ［ 9， 10， 11， 12］， ［13， 14， 15， 16］］）>>> output = torch。chunk（input， 4， 0）>>> output（tensor（［［1， 2， 3， 4］］）， tensor（［［5， 6， 7， 8］］）， tensor（［［ 9， 10， 11， 12］］）， tensor（［［13， 14， 15， 16］］））
不能整除
不能整除時會做向上取整的操作，該例中4/3 則設定為2。
>>> import torch>>> input = torch。tensor（［［1，2，3，4］，［5，6，7，8］，［9，10，11，12］，［13，14，15，16］］）>>> inputtensor（［［ 1， 2， 3， 4］， ［ 5， 6， 7， 8］， ［ 9， 10， 11， 12］， ［13， 14， 15， 16］］）>>> output = torch。chunk（input， 3， 0）>>> output（tensor（［［1， 2， 3， 4］， ［5， 6， 7， 8］］）， tensor（［［ 9， 10， 11， 12］， ［13， 14， 15， 16］］））>>> len（output）2
該例中輸入維度為（4，4） 在維度0切分為3塊。切分後的結果為維度（2，4） （2，4）的2個tensor構成的列表。
>>> input = torch。randn（8，4）>>> torch。chunk（input，7， 0）（tensor（［［ 0。8091， 0。7134， -0。1981， -0。2185］， ［ 1。0662， -0。7637， -1。8087， -0。6494］］）， tensor（［［-0。0293， -1。0161， 1。1005， 0。3810］， ［ 0。5001， -0。5396， -0。3986， 0。1753］］）， tensor（［［ 1。6392， -0。1882， -0。1103， 0。0731］， ［-0。4641， 0。0861， -0。7095， -0。5457］］）， tensor（［［-0。1193， 1。2701， -1。2506， -0。1760］， ［ 0。0256， -0。2543， -1。8225， 0。1837］］））>>> d = torch。chunk（input，7， 0）>>> len（d）4
這個例子針對維度0進行切分，8/7 向上取整使用2做為chunk_size進行分塊，只能分為4塊。
