pytorch用法

1. torch.set_default_tensor_type(torch.)
   用于改变默认的tensor类型

2. torch.rand(n,n)
   产生0，1之间的随机数据,size为n×n

3. torch.rand_like(a)
   a = torch.rand()

4. torch.randint(n, m，[s，s])
   n为最小值,m为最大值，且取前不取后，并生成s×s大小的数据

5. torch.randn(s×s)
   正态分布

6. torch.nomal(mean, std)
   可以自定义正态分布的方差

7. torch.full([s×b], m)
   生成 s×b的全是m的一个tensor，想生成标量【】里面就不要放东西，一维就填1

8. torch.arange(a,b,c)
   c步长

9. torch.linspace(a, b, step = c)
   生成a到b 的一组tensor，并且只生成c个

10. torch.logspace()
    同上，但是得出数之后会以10，2，e为底进行计算，base参数可以自己修改

11. torch.ones() torch.zeros() torch.eye()

12. torch.rangperm(s)
    生成0到s-1的数据，乱序输出

13. a.index_select(a, torch.tensor[b, c], [d, e, f, g])
    中间那个也可以修改为torch.arange(s) 意思是从0选取到s

14. 如果：之间啥都不填，可以直接用.来代替一个冒号，并且不用加逗号。

15. masked_select()
    

16. 打平之后选择
    

17. view操作，可以按照不同的逻辑来看tensor

18. a.unsqueeze()可以在a的各处插入一个维度
    
    

19. torch.squeeze()
    
    1维的才能直接扩展，非1的只能扩展成本身。 -1就代表保持原来唯独不变。

20. repeat操作是每个维度重复扩展的次数

21. .t方法，只适用于2维
    

22. .transpose 必须写成a2的形式
    

23. permute操作可以随意调整

24. broadcast自动扩展

25. torch.cat 在dim维度上进行拼接
    

26. 

27. .chunk
    将张量按照维度 dim 进行平均切分。若不能整除，则最后一份张量小于其他张量。
    

28. 

29. torch.mm()仅对2D进行处理
    torch.matmul可以对后两位进行矩阵运算，前面的保留，也可结合broadcast机制

30. 

31. 

32. 

33. 

34. argmax会打平

35. 这边是给定维度

36. 
    看的出来，keepdim就是把[4]变成了[4,1]

37. 

38. 

39. where语句
    

40. gather操作，有三个参数，第一个是需要查的表，第二个是dim，第三个是索引