1.torch.squeeze():
要对数据的维度进行压缩,去掉维数为1的的维度,比如是一行或者一列这种,一个一行三列(1,3)的数去掉第一个维数为一的维度之后就变成(3)行。
2.nn.Sequential():
一个有序的容器,神经网络模块将按照在传入构造器的顺序依次被添加到计算图中执行,同时以神经网络模块为元素的有序字典也可以作为传入参数。和Moudle差不多,将网络层和激活函数结合起来,输出激活后的网络节点。
3.torch.topk(input,k,dim):
沿给定dim维度返回输入张量input中k个最大值,如果不指定dim,则默认为input的最后一维。返回一个元组(values,indices),其中indices是原始输入张量input中测元素下标。
4.torch.nn.Embedding(num_embeddings,embedding_dim):
这个语句是创建一个词嵌入模型,第一个参数代表一共多少词,第二个参数是创建多少维的向量表示它。它的输入只能是编号。
5.pyorch.mul(a,b):
矩阵a,b对应位相乘,a和b的维度必须相等。
6.torch.nn.utils.rnn.pad_packed_sequence():
把压紧的序列再填充回来,填充时会初始化为0。
7.map(function,iterable,…):
会根据提供的函数对指定序列做映射。第一个参数为函数,第二个参数为一个或多个序列。返回一个迭代器,如map(square,[1,2,3,4,5])就是对列表中每个元素进行平方。
8.transforms.ToTensor()
(1) transforms.ToTensor() 将numpy的ndarray或PIL.Image读的图片转换成形状为(C,H, W) 的Tensor格式,且/255归一化到[0,1.0]之间
(2)通道的具体顺序与cv2读的还是PIL.Image读的图片有关系
cv2:(B,G,R)
PIL.Image:(R, G, B)