Pytorch学习笔记之数据操作篇（以实践为主导）

tensor操作篇

1. contiguous()

作用：强制拷贝一份tensor，让它的布局和从头创建的一模一样，但是两个tensor完全没有联系

使用场景：断开输入张量与输出张量的内存共享联系

参考链接

2. zero_()

作用：张量所有值置零

3. variable()

使用：

 variable(tensor)

作用：将张量转换为变量，用于梯度计算，更新参数。 形象点说：tensor是硬币的话，那Variable就是钱包，它记录着里面的钱的多少，和钱的流向。

使用场景：参与loss计算的tensor

参考链接

4.data()

使用：

tensor = variable.data().cuda()

作用：将变量(Variable)变为tensor,将requires_grad设置为Flase

使用场景：loss计算中不参与梯度运算的部分数据

5. max( )

使用：

tensor.max(dim)

作用：按维度dim 返回最大值，并且返回索引。

参考链接

6. gt(index)

作用：比index大的数据位置

未完待续---

常见tensor数据类型

常见tensor数据类型互换方法