pytorch（5）Tensor

一、系列文章目录

（1）梯度下降
（2）手写数字识别引入&Pytorch 数据类型
（3）创建Tensor
（4）Broadcasting
（5）Tensor
（6）Tensor统计
（7）Where和Gather
（8）函数的梯度
（9）loss函数；自动求导

---

---

二、拆分与合并

• Cat
  dimention必须一致，设置dim 在哪个维度上拼接，除了拼接的维度外其他必须一致 torch.cat((A,B),dim)
  cas中dim的含义
• Stack
  创建新维度
  Stack中dim的含义
• Split
  按长度拆分，长度相同给定长度，长度不同用[m,n]给定
• Chunk
  按数量拆分，给定数量值

三、计算

• 加 add + a[3，4]和b[4]相加，利用broadcast机制直接相加
• 减 sub -
• 乘 mul *
• 除 div /
• 矩阵乘法
  注意：矩阵a* b 是对应位置元素相乘
  torch.mm(a,b) 只用于二维
  torch.matmul(a,b) = a@b
  matmul 高维相乘机制：例如四维相乘，先把后两维相乘。
  例子 神经网络中的降维

x = torch.rand(4,784)
w = torch.rand(512,784)
(x@w.t()).shape    #w.t()是转置
Out[14]: torch.Size([4, 512])

• a.pow( m ) m次方 等同于a**m
• a.rsqrt( )开三次方
• a.sqrt( )开平方 等同于a**（0.5）
• torch.exp(a)
• torch.log(a) 默认以2为底
• .floor()向下取整
• .ceil()向上取整
• .round()四舍五入取整
• .trunc()整数部分
• .frac()小数部份
• clamp（min,max）最小值变为min，最大值变为max
• torch.max() torch.median()