pytorch基本算子

permute

将tensor的维度换位。

nn.functional.unfold()

unfold的作用就是手动实现(卷积中)的滑动窗口操作，也就是只有卷，没有积

行数为4，即对应着2×2的滑动窗口大小；而每一列的元素为滑动窗口依次所覆盖的内容，一共滑动了16次，因此有16列。
https://blog.csdn.net/qq_40714949/article/details/112836897
 

torch.cat和torch.stack

torch.cat不增加维度
torch.stack增加维度

torch.split()和torch.chunk()

x = torch.rand(4,8,6)

y = torch.split(x,3,dim=0)  # 按照4这个维度去分，每大块包含3个小块
for i in y:
    print(i.size())
 
output:
torch.Size([3, 8, 6])
torch.Size([1, 8, 6])

区别：
（1）chunks只能是int型，而split_size_or_section可以是list。
（2）chunks在时，不满足该维度下的整除关系，会将块按照维度切分成1的结构。而split会报错。
https://blog.csdn.net/foneone/article/details/103875250
 

torch.range和torch.arange

总结：
1、torch.range(start=1, end=6) 的结果是会包含end的，而torch.arange(start=1, end=6)的结果并不包含end。
2、两者创建的tensor的类型也不一样。torch.range创建的是torch.float32，torch.arange创建的是torch.int64
https://blog.csdn.net/m0_37586991/article/details/88830026
 

reshape和view

.view()方法只能改变连续的(contiguous)张量，否则需要先调用.contiguous()方法，而.reshape()方法不受此限制；
https://www.cnblogs.com/sddai/p/14403333.html
 

torch.meshgrid()

h = 6
w = 10
ys,xs = torch.meshgrid(torch.arange(h), torch.arange(w))

>>> ys
tensor([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
        [1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
        [2, 2, 2, 2, 2, 2, 2, 2, 2, 2],
        [3, 3, 3, 3, 3, 3, 3, 3, 3, 3],
        [4, 4, 4, 4, 4, 4, 4, 4, 4, 4],
        [5, 5, 5, 5, 5, 5, 5, 5, 5, 5]])

>>> xs
tensor([[0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
        [0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
        [0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
        [0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
        [0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
        [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])
https://www.jianshu.com/p/e1c8e51bc9b3
 

torch.mm, torch.mul, torch.matmul

一、点乘
可以用torch.mul(a, b)实现，也可以直接用*实现。

二、矩阵乘
矩阵相乘有torch.mm和torch.matmul两个函数。其中前一个是针对二维矩阵，后一个是高维。当torch.mm用于大于二维时将报错。
https://ofooo.github.io/wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/pytorch/torch%E4%B9%98%E6%B3%95/

forward和__call__

当网络构建完之后，调__call__的时候，会去先调forward，即__call__其实是包了一层forward
https://blog.csdn.net/u013289254/article/details/103826591
 

grid_sample

 cuda插件
https://github.com/TrojanXu/onnxparser-trt-plugin-sample  （使用）
https://github.com/grimoire/amirstan_plugin/tree/master/src/plugin/gridSamplePlugin