PyTorch-1.10(二)--torch张量创建以及索引、切片和变换操作

张量Tensors

is_tensor	如果obj是PyTorch张量，则返回True。
is_storage	如果obj是PyTorch存储对象，则返回True。
is_complex	如果输入的数据类型是复数类型，则返回True。torch.complex64和torch.complex128。
is_conj	如果输入是共轭张量，即其共轭位设置为True，则返回True。
is_floating_point	如果输入的数据类型是浮点数据类型，则返回True  torch.float64, torch.float32, torch.float16, and torch.bfloat16.
is_nonzero	如果输入是类型转换后不等于零的单元素张量，则返回True。
set_default_dtype	将默认浮点数据类型设置为d。
get_default_dtype	获取当前默认的浮点值 torch.dtype.
set_default_tensor_type	设置默认torch.Tensor到浮点张量类型t。
numel	返回输入张量中的元素总数。
set_printoptions	设置打印选项。
set_flush_denormal	禁用CPU上的非规范浮点数。

创建张量

​ 随机抽样创建操作在随机抽样下，包括​: torch.rand() torch.rand_like() torch.randn() torch.randn_like() torch.randint() torch.randint_like() torch.randperm() 下面不包括这部分。

tensor	用数据data构造一个张量。
sparse_coo_tensor	​ 在给定的索引处构造具有指定值的坐标（坐标）格式的稀疏张量。 ​
as_tensor	将数据转换成torch.Tensor。
as_strided	创建一个现有torch.Tensor输入的视图，指定 size, stride 和storage_offset.
from_numpy	通过 numpy.ndarray创建Tensor
frombuffer	​ 从实现Python缓冲区协议的对象创建一维张量。 ​
zeros	返回一个由标量值0填充的张量，形状由变量参数大小定义。
zeros_like	返回一个标量值0填充的张量，其大小与输入相同。
ones	返回一个由标量值1填充的张量，形状由变量参数大小定义。
ones_like	返回一个填充标量值1的张量，其大小与输入相同。
arange	返回大小为的一维张量，从开始到结束的公共差分步step在间隔[start，end]/step中取值。
range	返回大小为的一维张量，从开始到结束的公共差分步step在间隔[start，end]/step+1中的值。
linspace	创建大小为步长的一维张量，其值从起点到终点（包括起点和终点）均匀分布。
logspace	创建大小为步长的一维张量，其值从起点到终点（包括起点和终点）log分布。
eye	返回一个二维张量，对角线上为1，其他地方为0。
empty	返回一个充满未初始化数据的张量。
empty_like	返回与输入大小相同的未初始化张量。
empty_strided	返回一个充满未初始化数据的张量。
full	创建一个大小为size的张量，用fill_value填充。
full_like	返回一个张量，其大小与用fill_value填充的输入相同。
quantize_per_tensor	将浮点张量转换为具有给定标度和零点的量化张量。
quantize_per_channel	将浮点张量转换为具有给定标度和零点的每通道量化张量。
dequantize	通过对量化张量进行去量化，返回fp32张量
complex	​ 构造一个实部等于real、虚部等于imag的复张量。 ​
polar	​ 构造一个复张量，其元素为笛卡尔坐标，对应于绝对值为abs和角度为angle的极坐标。 ​
heaviside	为输入中的每个元素计算Heaviside步长函数。

索引、切片、连接、变换操作

cat	在给定维中连接给定序列的seq张量。
concat	torch.cat()别名
conj	返回带有翻转共轭位的输入视图。
chunk	尝试将张量拆分为指定数量的块。
dsplit	根据indices_或_sections，将具有三个或更多维度的输入张量纵深拆分为多个张量。
column_stack	通过在张量中水平叠加张量来创建新的张量。
dstack	按深度顺序叠加张量（沿第三轴）。
gather	沿dim指定的轴收集值。
hsplit	根据索indices_或_sections，将输入（一个或多个维度的张量）水平拆分为多个张量。
hstack	按顺序水平（按列）叠加张量。
index_select	返回一个新的张量，该张量使用作为LongTensor的索引中的值沿维度dim对输入张量进行索引。
masked_select	返回一个新的1-D张量，该张量根据布尔掩码对输入张量进行索引，该掩码是BoolTensor.
movedim	将源位置的输入维度移动到目标位置。
moveaxis	torch.movedim()别名
narrow	返回一个新的张量，它是输入张量的缩小版本。
nonzero	返回一个二维张量，其中每一行都是非零值的索引。
permute	返回原始张量输入的维度进行排列后的视图。
reshape	返回一个张量，其数据和元素数与输入相同，但具有指定的形状。
row_stack	torch.vstack()别名
scatter	尽量不使用，参考后面的函数Out-of-place version of torch.Tensor.scatter_()
scatter_add	尽量不使用，参考后面的函数Out-of-place version of torch.Tensor.scatter_add_()
split	将张量拆分为块。
squeeze	返回一个对维度大小为1的输入进行移除后的其他所有维度的张量。
stack	沿新维度连接一系列张量。
swapaxes	torch.transpose()别名
swapdims	torch.transpose()别名
t	输入为<=2-D的张量，并将维度0和1进行掉换。
take	返回一个新的张量，该张量包含给定索引处的输入元素。
take_along_dim	从一维索引的输入中选择值，从给定维度的索引中选择值。
tensor_split	将一个张量拆分为多个子张量，所有子张量都是输入视图，并根据indices_或_sections沿维度dim进行拆分。此函数基于NumPy的numpy.array_split()函数
tile	通过重复输入元素构造张量。
transpose	返回一个张量，该张量是输入的转置版本。
unbind	移除张量维度。
unsqueeze	返回一个新的张量，在指定位置插入一个大小为1的维度。
vsplit	根据索indices_或_sections，将输入（一个或多个维度的张量）垂直拆分为多个张量。
vstack	垂直（按行）按顺序堆叠张量。
where	根据条件，返回从x或y中选择的元素的张量。