pytorch 函数

1、ModuleList与sequential：

https://zhuanlan.zhihu.com/p/75206669

2、contiguous：

https://zhuanlan.zhihu.com/p/64551412

3、torch.nn.init.xavier_uniform_：参数初始化方法

https://blog.csdn.net/qq_32893343/article/details/103468874

4、torch.bmm()：求三维tensor的矩阵乘法

https://blog.csdn.net/qq_40178291/article/details/100302375

5、tensor.permute:求任意高维tensor进行转置

tensor.transpose:求二维tensor的转置

https://blog.csdn.net/xijuezhu8128/article/details/86590435

6\Tensor比较eq相等：https://blog.csdn.net/th_num/article/details/80783037

torch.ne（x,指定的值）：对tensor中的指定元素取非，返回一个tensor。其中指定元素的位置变为0，其余的元素对应的位置为1.

7、squeeze()-降维，其中的参数是指定待降低维度的位置。无论降低哪一维，这一维的数值大小必须等于1.

unsqueeze()-升维，其中的参数是指定增加维度的位置。增加维度时，没有等于1的限制。

https://www.jianshu.com/p/f96e9eb03d7d

8、expand（），repeat():https://blog.csdn.net/HUSTHY/article/details/101649012

9、torch.nn.Embedding存储的是形如num_embeddings*embedding_dim的矩阵，以词向量为例，num_embeddings表示词向量的个数，embedding_dim表示词向量的维度。
在使用的时候，传入的是索引值张量，取出对应索引的词向量。

https://www.cnblogs.com/webbery/p/11766623.html。

10:

1. Python中命令行参数的解析包：parser，调用ArgumentParser()类新建parser对象。在执行parser.parse_args()之前，所有命令行参数都不会有效。https://blog.csdn.net/yy_diego/article/details/82851661
2. torch.device包含一个设备类型（'cpu'或'cuda'设备类型）和可选的设备的序号。如果设备序号不存在，则为当前设备; 例如，torch.Tensor用设备构建'cuda'的结果等同于'cuda:X',其中X是torch.cuda.current_device()的结果。
3. torch.nn: https://zhuanlan.zhihu.com/p/62768077.
4. Torch.tensor与 torch.Tensor():

https://blog.csdn.net/weixin_42018112/article/details/91383574

1. python中的map()可以用来做数据类型的转换。

描述

map() 会根据提供的函数对指定序列做映射。

第一个参数 function 以参数序列中的每一个元素调用 function 函数，返回包含每次 function 函数返回值的新列表。

语法

map() 函数语法：

map(function, iterable, ...)

参数

function -- 函数

iterable -- 一个或多个序列

10、np.append(arr, values, axis=None):为原始array添加一些values

https://blog.csdn.net/weixin_42216109/article/details/93889047

11、