Pytorch一些笔记（1）

torch.tensor和torch.Tensor的一些区别：torch.tensor接收现有的数据生成tensor，torch.Tensor接收一个维度生成数据，torch.Tensor也可以接收数据但是要放在list里面，例如：torch.Tensor([2, 2.3, 2])

可以使用torch.tensor([2, 2.3, 2]).type()来打印tensor的类型。

随机初始化：torch.rand(3,3)均匀在0到1的随机数字来初始化

                      torch.rand_like(a)接收一个tensor，读写a的shape然后传给rand

                      torch.randint(1,10,[3,3])生成一个[1,10)的tensor，max是不包含在内的，也有_like                          函数，第三参数是shape，3*3的

切片：例如a = torch.tensor(4,3,28,28)，a[:2]表示第一维上0到2，但是不包含2的索引，也就是a[0]、a[1]，如图所示：

a[:]默认表示这个维度上所有的，如果是a[:-1]表示该维度的最后一个，如果是a[0:4:2]表示0到4不包含4步长为2的取，其他维度也是类似的。

select_index()方法：例如a.select_index(0,[0,2])第一个参数是表示在第几个维度上进行操作，第二个表示要取哪几个索引，第二个参数必须是个Tensor，不是list。

a[...]，其中...表示任意的（可以理解 : 和 , 自动配对）

ge()方法：mask = x.ge(0.5) ，可以把x中大于等于0.5的记作1，否则为0，输出是int类型

masked_select()方法：torch.masked_select(x,mask)可以把x中大于等于0.5的取出来，但是shape是一维的

extend和repeat方法：a.extend(4,32,4,4)代表每一个维度分别拓展成4,32,4,4。而a.repeat(4,32,4,4)代表每一个维度分别复制4,32,4,4次，即每一个维度的数量分别*4，*32，*4，*4。