一些函数解析

numpy.transpose()

该函数为矩阵交换维度，列如：
矩阵:

arr = np.arange(8).reshape((2, 4))
'''
[[0 1 2 3]
 [4 5 6 7]]
'''
arr.transpose((1, 0))
'''
[[0 4]
 [1 5]
 [2 6]
 [3 7]]
 '''

即对矩阵进行转置，transpose（1， 0， 2）也是交换第一维和第二维，但不是对矩阵转置，部分高维矩阵要相乘需要转置可以使用transpose(-2, -1)

numpy.triu()

arr = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]])
'''
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]
'''
np.tril(arr, k=-1)  #倒三角矩阵
'''
[[ 0  0  0  0]
 [ 5  0  0  0]
 [ 9 10  0  0]
 [13 14 15  0]]
'''
np.triu(arr, k=1) #正三角矩阵
'''
[[ 0  2  3  4]
 [ 0  0  7  8]
 [ 0  0  0 12]
 [ 0  0  0  0]]
'''

numpy.size(a, axis=None)

a：输入的矩阵
axis：int型的可选参数，指定返回哪一维的元素个数。当没有指定时，返回整个矩阵的元素个数。

lambda

python中，lambda函数也叫匿名函数，及即没有具体名称的函数，它允许快速定义单行函数，类似于C语言的宏，可以用在任何需要函数的地方。这区别于def定义的函数。
lambda与def的区别：
1）def创建的方法是有名称的，而lambda没有。
2）lambda会返回一个函数对象，但这个对象不会赋给一个标识符，而def则会把函数对象赋值给一个变量（函数名）。
3）lambda只是一个表达式，而def则是一个语句。
4）lambda表达式” : “后面，只能有一个表达式，def则可以有多个。
5）像if或for或print等语句不能用于lambda中，def可以。
6）lambda一般用来定义简单的函数，而def可以定义复杂的函数。
6）lambda函数不能共享给别的程序调用，def可以。
lambda语法格式：

lambda [arg1 [, agr2,.....argn]] : expression

scatter_(input, dim, index, src) → Tensor

将src中的所有值按照index确定的索引写入tensor中。其中索引是根据给定的dimension，dim按照gather()描述的规则来确定。

注意，index的值必须是在_0_到_(self.size(dim)-1)_之间，

参数： - input (Tensor)-源tensor - dim (int)-索引的轴向 - index (LongTensor)-散射元素的索引指数 - src (Tensor or float)-散射的源元素

x = torch.rand(2, 5)
print(x)
y = torch.zeros(3, 5).scatter_(0, torch.LongTensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]), x)
print(torch.LongTensor([[0, 1, 2, 0, 0], [2, 0, 0, 1, 2]]))
print(y)
'''
tensor([[0.1989, 0.4622, 0.6161, 0.6048, 0.4673],
        [0.9271, 0.5102, 0.3415, 0.2307, 0.9145]])
tensor([[0, 1, 2, 0, 0],
        [2, 0, 0, 1, 2]])
tensor([[0.1989, 0.0000, 0.3415, 0.6048, 0.4673],
        [0.0000, 0.5102, 0.0000, 0.2307, 0.0000],
        [0.9271, 0.0000, 0.6161, 0.0000, 0.9145]])
'''