每日学习内容23/9/25

1.reshape

使用方法：张量名.reshape(n1,n2,...,n3,n4)

n的意义为该维度下元素的个数。括号内从左至右是1维，2维，至更高维度。

作用：改变张量形状，张量大小不变。即抽出所有元素进行重新排版输出。

自动将 任意维度 转换成 指定维度 ，按照  指定维度下的元素个数  输出，如下：

x=torch.tensor([[[[2,3],[4,5]],[[6,7],[8,9]]],[[[2,3],[4,5]],[[6,7],[8,9]]]])
print(x.reshape(4,-1))
print(x.reshape(2,2,-1))

结果输出为： 

tensor([[2, 3, 4, 5],
        [6, 7, 8, 9],
        [2, 3, 4, 5],
        [6, 7, 8, 9]])
tensor([[[2, 3, 4, 5],
         [6, 7, 8, 9]],

        [[2, 3, 4, 5],
         [6, 7, 8, 9]]])

 且当元素个数不够分配时会报错，如下：

x=torch.tensor([[[[2,3],[4,5]],[[6,7],[8,9]]],[[[2,3],[4,5]],[[6,7],[8,9]]]])
print(x.reshape(3,-1))


print(x.reshape(3,-1))
          ^^^^^^^^^^^^^^^
RuntimeError: shape '[3, -1]' is invalid for input of size 16

2.torch.arange()

torch.arange(x)      生成一个行向量，这个行向量包含从0开始的前x个整数，如下：

x=torch.arange(10)
print(x)

输出结果：

tensor([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

 3..numel()

张量名.numel()      输出张量内元素个数

4.torch      ones和zeros

ones创建的张量所有元素为1，zeros创建的张量所有元素为0。其余用法相同

torch.ones(定义张量的形状和大小)  ，  如下：

x=torch.ones(2,3,4)
print(x)

输出为：

tensor([[[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]],

        [[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]]])