pytorch 中 torch.xxx 函数总结

1.torch.normal()

torch.mormal(mean,std,size = (a,b),requires_grads=True)
mean：表示均值
std：表示标准差
size：表示生成数据库的维度
requires_grads=True : 表示对导数开始记录
函数返回一个张量，包含从给定的参数mean，std的离散正态分布中抽取的随机数。

2.torch.matmul()

torch.matmu(a,b):计算张量a，b两个的矩阵乘积
注：matmul函数可以利用python的广播机制

3.torch.tensor()

torch.Tensor()是一个类，默认是torch.FloatTensor()的简称，创建的为float32位的数据类型；
torch.tensor()是一个函数，是对张量数据的拷贝，根据传入data的类型来创建Tensor;

a=torch.Tensor([1,2])
type(a)#<class 'torch.Tensor'>
a.type()#'torch.FloatTensor'

a = torch.tensor([1, 2])
type(a)#<class 'torch.Tensor'>
a.type()#'torch.LongTensor'

a=torch.Tensor([1,2])
a.dtype#torch.float32

a = torch.tensor([1, 2])
a.dtype#torch.int64
a = torch.tensor([1., 2.])
a.dtype#torch.float32

4.torch.optim.SGD()

torch.optim:具有通用优化算法的优化包

torch.optim.SGD(param,lr) :(随机梯度下降算法)
注：最少传入两个参数，param数据，lr学习率

params (iterable) – 待优化参数的iterable（w和b的迭代） 或者是定义了参数组的dict
lr (float) – 学习率
momentum (float, 可选) – 动量因子（默认：0）
weight_decay (float, 可选) – 权重衰减（L2惩罚）（默认：0）
dampening (float, 可选) – 动量的抑制因子（默认：0）
nesterov (bool, 可选) – 使用Nesterov动量（默认：False）

5.torch.is_tensor()

torch.is_tensor(x):
x是测试对象，如果x是张量，则返回True

6.torch.rand()

torch.rand(*size,out=None):
返回了一个张量，包含了从0-1的均匀分布中抽取的一组随机数，张量的形状由size定义。

torch.randn(*size,out=None):
返回了一个张量，包含了从标准正态分布（均值为0，方差为1）中抽取的一组随机数,张量的形状由size定义。