pytorch对张量的一些常用处理以及numpy对数组的一些常用处理

1.将数据切分

pytorch: tensor_data.view(N,T,C,V,W)  #例，将tensor数据拆分为N,T,C,V,W。允许设置-1，计算默认维度的值

numpy：numpy_data.reshape(N,T,C,V,W) #例，将numpy数据拆分为N,T,C,V,W。

2.改变数据维度

pytorch：tensor_data.permute(0,1,3,2,4)  #例，将2,3维度调换。

numpy：numpy_data.transpose(0,1,4,3,2) #例，将 2,4维度调换。

3.沿某一维度取平均

pytorch：tensor_data.mean(dim,keepdims = ?) #例，将dim维度取均值,取-1代表最后一个维度,keepdims表示是否保留此维度,取值为0或1

numpy：numpy_data.mean(dim,keepdims = ?) #

4.对数组求平方

pytorch：tensor_data.pow(2) #

numpy: numpy_data.square() #

5.沿某一维度相加

pytorch：tensor_data.sum(dim,keepdims = ?) #例，将dim维度求和,keepdims表示是否保留此维度,取值为0或1

numpy：numpy_data.sum(dim,keep_dims = ?)

6.求内积：不可用数据调用

pytorch：torch.matmul(a,b) # import torch

numpy: numpy.matmul(a,b) # import numpy

             numpy.dot(a,b) #常用于低维

7.矩阵相乘： a*b即可

8.去除维度值为1的维度

pytorch：torch_data.squeeze(dim) #将dim维度去除，注意只有当dim = 1时才能被去除，不带任何参数时将所有维度为1的删除，-1表示最后一个。-2表示倒数第二个.... 。

numpy：numpy_data.squeeze(dim) #同上。

9，添加维度为1的维度

pytorch：torch_data.unsqueeze(dim) #在dim处添加值为1的维度必须带参数，-1表示最后一个位置。-2表示倒数第二个位置... 。

numpy：np.expand_dims(a,dim = ?) #这里不能用数据调用！！！

！！以上均展示的为数据直接调用，无特殊说明，均可以替换为np.xxxx(data,...) 或 torch.xxxx(data,....)