python/pytorch相关

1、f=d2l.normal(0,1,(1000,2)，requires_grad=True)

生成正太分布参数，u=0,sigma=1，1000*2，数据类型是tensor；梯度计算

2、x=torch.tensor(np.arange(0,1000,1))

numpy数组转换为tensor数组，np.arange，0-1000，以1为间隔；

3、x.t()

tensor数组转置

4、f[:,1];tensor数组第1列；第0列；

5、f.shape，f的size

6、indices = list(range(1000)) 1000以内数，生成一个数组

7、random.shuffle(indices) indices随机打乱

8、yield关键字：

(48条消息) python中yield的用法详解——最简单，最清晰的解释_mieleizhi0522的博客-CSDN博客_yield

9、range（0，10，1），

10、tensor数组，后面跟tensor数组，可以实现取数的功能。

例如：

indices = list(range(100))

f=tensor(indices)

ff=tensor(indices[10:20])

f[ff],就是f数组中第10~20个元素。

11、with torch.nograd():

(48条消息) with torch.no_grad() 详解_岛的博客-CSDN博客_torch.no_grad():

不更新梯度，里面会执行乘法加法计算，如不加该wrap符，会导致梯度变化。