Python基础知识总结

前言

本文针对自己在实践中经常用到的一些基础知识进行一个汇总，方便之后再次遇到能够快速回顾。

例如: a=[1,2,3,4,5]

[-1]： 列表最后一项

[:-1]： 从第一项到最后一项
原型是[n : m]，前闭后开，索引从零开始，第一个索引指定可以取到，即n可以取到，后一个索引不可取到，即m不可取到。


[::-1]： 代表从全列表倒序取
原型是[n : m : k]，代表的是从那一段开始取，隔几个取一次。
其中，n代表的是取值开始的索引，因此该索引必将被取到，m代表的是取值结束的索引，和上面一样，该值不能被取到。
k代表的是间隔，间隔可正可负，正值代表正向顺序跳取，负值代表反向跳取。
需要注意的是，当k为正的时候起始索引应该小于结束索引；当k为负的时候起始索引应该大于结束索引，因为在倒序来看，首先是索引值大的被取到，然后才是索引值小的。

参考博客：
https://blog.csdn.net/weixin_44350337/article/details/116034510?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1.pc_relevant_paycolumn_v3&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1.pc_relevant_paycolumn_v3&utm_relevant_index=1

==================================================

x.size()

函数torch.full()返回一个大小为fill_value的张量的张量。

用法:torch.ones(size, fill_value, out=None)
参数：
size：定义输出张量形状的整数序列
fill_value：用于填充输出张量的数字。
out (Tensor, optional)：输出张量

view()和reshape()的区别

1). view()产生的tensor总是和原来的tensor共享一份相同的数据，而reshape()在新形状满足一定条件时会共享相同一份数据，否则会复制一份新的数据。
2). 两者对于原始tensor的连续性要求不同。reshape()不管tensor是否是连续的，都能成功改变形状。而view()对于不连续的tensor()，需要新形状shape满足一定条件才能成功改变形状，否则会报错。 transpose, permute 等操作会改变 tensor的连续性，在新形状shape不满足一定的情况下会报错。

参考博客：https://blog.csdn.net/qq_40765537/article/details/112471341

广播机制

numpy 中两个数组的相加、相减以及相乘都是对应元素之间的操作。
当两个数组的形状并不相同的时候，我们可以通过扩展数组的方法来实现相加、相减、相乘等操作，这种机制叫做广播

参考博客：https://blog.csdn.net/qq_35866736/article/details/106403352