Pytorch笔记

torch.utils.data.TensorDataset

class torch.utils.data.TensorDataset(data_tensor, target_tensor)

功能：包装数据和目标张量的数据集
参数：

data_tensor(Tensor) - 包含样本数据
target_tensor (Tensor) - 包含样本目标（标签）

torch.utils.data.DataLoader

class torch.utils.data.DataLoader(dataset, batch_size=1, shuffle=False, sampler=None, num_workers=0, collate_fn=<function default_collate>, pin_memory=False, drop_last=False)

功能：数据加载器。组合数据集和采样器，并在数据集上提供单进程或多进程迭代器。
参数：

dataset (Dataset) – 加载数据的数据集。
batch_size (int, optional) – 每个batch加载多少个样本(默认: 1)。
shuffle (bool, optional) – 设置为True时会在每个epoch重新打乱数据(默认: False).
sampler (Sampler, optional) – 定义从数据集中提取样本的策略。如果指定，则忽略shuffle参数。
num_workers (int, optional) – 用多少个子进程加载数据。0表示数据将在主进程中加载(默认: 0)
collate_fn (callable, optional) –
pin_memory (bool, optional) –
drop_last (bool, optional) – 如果数据集大小不能被batch size整除，则设置为True后可删除最后一个不完整的batch。如果设为False并且数据集的大小不能被batch size整除，则最后一个batch将更小。(默认: False)

nn.Linear

class torch.nn.Linear(in_features, out_features, bias=True)

功能：对输入数据做线性变换：y=Ax+b，用于设置网络中的全连接层
参数：

in_features - 每个输入样本的大小
out_features - 每个输出样本的大小
bias - 若设置为False，这层不会学习偏置。默认值：True

torch.cat

outputs = torch.cat(inputs, dim=0) → Tensor

功能：在给定维度上对输入的张量序列seq 进行连接操作
参数：

inputs : 待连接的张量序列，可以是任意相同Tensor类型的python 序列
dim : 选择的扩维, 必须在0到len(inputs[0])之间，沿着此维连接张量序列。

torch.mm

两个矩阵相乘

torch.nn.Embedding