pytorch

1、

　a   b

　c   d

　dim/len（shape）：2

　shape/size：torch.Size（[2, 2]）

　numel == 2 * 2（number of element）

2、三种常用数据类型

　torch.FloatTensor（）

　torch.ByteTensor（）

　torch.IntTensor（）

　torch.Tensor可设置默认类型

　括号内填shape，若想填写现成数据，则放到中括号里面

　若是GUP类型，则加cuda

3、list可以将size、shape转化成列表

4、torch.randn（）torch.rand（）torch.FloatTensor（）区别

　rand：在[0,1]之间均匀选取   rand_like(tensor)：相当于取了tensor的shape

　randint（min，max，shape）可以自己指定min和max，但是max取不到

　randn：取值服从正态（0，1）分布

5、将其他类型转化为tensor类型

　(1)由numpy导入

　np.array()、np.ones()

　torch.from_numpy

　(2)由list导入

　torch.tensor()只有一个参数，接收现成的数据，可以是numpy或list或数字

　不成文的规定，小写给数据，大写给shape（可以给数据，但是最好别用）

6、全部初始化为某一个值

　torch.full([shape], value)

7、生成等差数列

　torch.arange(min, max, 步长)

8、全部为1：ones

　  全部为0：zeros

　  对角为1：eye

9、索引与切片

　若想加步长，则多写一个冒号

　用...代替 :

　在某一个维度上切片：index_select(维度，[min, max])

10、维度变换

　（1）view == reshape

　（2）unsqueeze（扩张）：正数在前负数在后插一个维度

　　　  squeeze（压缩）：参数为打算删减的维度

　（3）t（转置）：只适用于二维

　（4）transpose（维度交换）二维的用转置，高维的用transpose

　（5）拼接：cat（[tensor1, tensor2], dim=0）只有拼接的维度可以不同

　　　           stack（[tensor1, tensor2], dim=0）相当于创建一个新的维度（概念），所有的维度必须相同

　　　  拆分：split（len, dim=0）len若为单个数，则按每份为len个均分，若为列表，则为具体分配

　　　　　　  chunk（num）按num份均分

11、矩阵的运算

　+ - * /

　**2  **0.5

12、

　floor、ceil、trunc（取整）、frac（取小数）

　round四舍五入

13、clamp 裁剪

14、where（condition，A，B）由tensorA、tensorB构造一个新的tensorC

　　gather（input，dim，index）