AI领域基本语法笔记

1. Numpy

1.1 np.hstack & np.vstack

• np.hstack: horizontal，横向组合数组，往右排
• np.vstack: vertical，纵向组合数组，往下排

numpy中的hstack()、vstack()、stack()、concatenate()函数详解 - 云+社区 - 腾讯云

1.2 np.random

提供了各种随机数的函数，涵盖整型、浮点型、指定值域、多维随机。详见：

NumPy – np.random的使用 – X.YU

• 有些函数无参数使用是具有相同功能的
  • np.random.random()和np.random.uniform()都可以返回0-1的随机数。
  • np.random.choice()和np.random,randint()也有类似功能
• 关于可以指定size的函数，每一次随机之间是相互独立的，也就是随机出来的多维向量可能有重复的出现。

2. Pytorch

API链接：PyTorch documentation — PyTorch 1.11.0 documentation

1.1 torch.max()

torch.max()用法_西电小猪猪的博客-CSDN博客_torch.max

max既可以返回最大值，也能返回索引，对于高维数组是可以指定搜索维度的。dim = 0 表示按列求最大值，并返回最大值的索引；dim = 1 表示按行求最大值，并返回最大值的索引。

tensor.max用法类似，只不过不再需要输入tensor，而是直接调用即可。

1.2 unsqueeze()

升维运算，因为torch里单取一行一列一种操作会把tensor搞成1维的，为了和其他tensor同维度所以需要升维。

pytorch函数unsqueeze函数的理解_ljwwjl的博客-CSDN博客_unsqueeze函数

1.3 zero_grad()

每次计算中梯度是会累积的，所以常规做法是每次都要清一次梯度，然后通过loss重算一次：

机器学习9:关于pytorch中的zero_grad（）函数_小娜美要努力努力的博客-CSDN博客_pytorch zero_grad

1.4 Categorial

专门用于做分布（distribution的相关操作）以及随机action的

probs = self.net(state)
m = Categorical(probs)
action = m.sample()