7.19 pytorch框架学习

type check的方式，个人认为会用在数据集输入的时候检测类型、维度等信息

手动打入一个0维的数据。

获取维度、大小。 .shape是一个成员   .size是一个成员函数，因此要加括号

.tensor接受数据内容   .FloatTensor接受数据shape    .Tensor接受数据shape

不同网络需要的输入数据维度不同  CNN一般4维   RNN一般3维 

生成3行3列的矩阵，rand是生成0~1分布的随机数 

常用语句arange、ones、zeros

解释上述三个输入的意义：a[0]：第一张图片   a[0,0]：第一张图片第一个通道  a[0,0,2,4]:第一张图片第1个通道的第二行第四列的元素。 

a[:2]:索引至第2张图片，但不包含2   即图片0和图片1

a[:2,:1, : , :]:增加了对通道的索引，索引至1通道不包含1，即通道0

a[:2,1：, : , :]:从1通道索引到最末尾，即通道1和2

a[:2,-1：, : , :]:从-1通道，即2通道索引到最末尾，即2通道

a[： ,：, ：：2, ：:2]:双冒号和0：28:  2等价  因为0和28包含了该照片初始和末尾因此可以省略，留下步长2就可以

与matlab不同的是python从0开始索引，matlab从1开始。

a.index_select(0,torch.tensor([0,2])).shape     索引张量a的0维度 的第0个图片和第2个图片    得到：[2,3,28,28]

a.index_select(1,torch.tensor([1,2])).shape     索引张量a的1维度 的第1个通道和第2个通道    得到：[4,2,28,28]

a.index_select(2,torch.arange(8)).shape     索引行上面的0-7元素   得到：torch.Size([4,3,8,28])