pytorch最浅显易懂的dim维度，数组维度解释，以及对应dim维度上的操作解释（不会就开侃我）

关于dim维度问题，比如（0,1,2,3）这是一个4维
dim=0，dim=1，dim=2,dim=3这是从最外面的括号向里面的括号一步步地抽丝剥茧进行计算
比如2维数组 [[1,2],[2,3]]  
最外面的一层括号就是dim=0维，最里面的一层就是dim=1维
比如执行torch.sum(a,dim=0,keepdim=True)操作的时候
是在在第一层括号内的所有数组进行操作，这里就是[1,2]+[2,3]，结果就是[3,5]

而如果执行torch.sum(a,dim=1,keepdim=True)操作，结果就是对第二层括号中的数组进行操作
这里就是[1,2]，[2,3]内部执行操作，结果就是[3],[5]

所以dim是一种维度，不单指列，行。对于上面二维的例子来说，
dim=0的操作看起来就是行与行之间的操作，行与行之间对应元素进行相加。
dim=1的操作看起来就是行内部元素的操作，行内部元素相加。

而对于1维数组来说，dim=0不是代表行与行之间操作，而是行内部
比如cat操作，对1维数组进行cat拼接不会将新数组拼接到1维数组行下面，而是会拼接到该数组右侧

所以，dim不特指行，列，而是要关注数组维度的括号关系
[[[1,2],[2,3]]]  这是三维数组，
如果执行dim=0的加法操作，则返回结果应该还是[[[1,2],[2,3]]]，因为去掉第一层括号后，只有一行内部元素，没有可加的
而dim=1时，则应该返回[[[3,5]]],
若是dim=2，则应返回[[[3],[5]]]

[[[[1,2],[2,3]]]] 这是4维数组
dim=0的时候，仍然只有一行元素，没有可加的，所以仍然是[[[[1,2],[2,3]]]]
dim=1的时候，去掉最外层和当前层括号，只剩下[[1,2],[2,3]]，仍然只有一行，还是无法可加，所以仍然是原结果[[[[1,2],[2,3]]]]
dim=2的时候，去掉外面两层括号和当前层括号，剩下[1,2],[2,3]，这时候有两行元素，所以可以执行 行与行之间相加，结果为[[[[3,5]]]]
dim=3的时候，去掉外面三层括号和当前层括号，发现进入到行元素内部，所以可以执行行元素内部操作，有结果[[[[3],[5]]]]

结果展示：
tensor([[[[1, 2],
          [2, 3]]]]) 
 tensor([[[[1, 2],
          [2, 3]]]]) 
 tensor([[[[3, 5]]]]) 
 tensor([[[[3],
          [5]]]])
          
所以综上，总结出不管dim等于几维度，他的操作只有两种，行与行之间，行内部元素之间，其余的就是确定dim维度后观察是行内部还是行与行之间就行了