pytorch函数记录

A

arange([start,] stop[, step,], dtype=None)
实例

>>> arange(0,1,0.1)
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9])

开始为0，结束为1，步长为0.1.

B

C

nn.ConvTranspose2d
详细描述
个人认为就是一个卷积和逆卷积的过程，例如，由5 * 5到3 * 3卷积提取特征，得到3 * 3的特征图，再通过3 * 3 到 5 * 5逆卷积得到5 * 5的特征图。
该博主讲的通俗易懂，虽然能理解过程，但是不是很懂意义。
torch.cat(A,dim)
cat操作即为矩阵拼接，dim表示拼接方向，dim=0表示按照维数0拼接，即竖着拼，dim=1即表示按照维数1拼接，即横着拼。

D

E

F

G

H

I

J

K

L

M

N

O

P

Q

R

S

T

U

V

view
示例

>>> tt1=torch.tensor([-0.3623, -0.6115,  0.7283,  0.4699,  2.3261,  0.1599])
>>> tt2=tt1.view(3,2)
>>> tt2
tensor([[-0.3623, -0.6115],
        [ 0.7283,  0.4699],
        [ 2.3261,  0.1599]])

返回一个内容，元素数量和原来张量一样，但是形状不一样的张量。

W

X

Y

Z

其他

#__init__ 类似c++的构造函数可以在函数初始化的时候传递参数
__init__