pytorch入門與實踐-3 Tensor詳解

1--如第二章所講，Tensor的本質是矩陣或數據

2--對Tensor的操做分類

|----API分類

|------torch中定義的： t.f(a,b)

|------tensor的成員函數: a.f(b)

|----按對tensro的做用分

|------不會改變自己 ： 返回第三變了

|------會改變自己 ： 修改自身的， 同名方法+ 下劃線 都表示這個方法是修改自身的

 

3--Tensor的建立

|----t.Tensor(a,b): 建立一個a×b的tensor，值爲隨機，t.Tensor((a,b))：以list（a,b)建立一個tensor,二者不同

|----t.ones(),t.zeros():建立全1，全0對象

|----t.eye(),建立單位矩陣（對角線爲1的矩陣）|爲何只有一個方向的對角線？由於子矩陣中上下順序能夠變換

|----t.arange(a,b,s) 建立1維數據，從a到b，s爲步進值

|----t.linspace(a,b,s) 建立1維數據，從a到b分紅s分，可是s不能是1，至少是2

|----t.rand(),t.randn(), 前者隨即分佈，後者正態隨即分佈

|----t.normal(m,s),t.uniform(f,to)，正太分佈，均勻分佈 ？ 不知道有什麼區別 ？？

|----t.randperm(m)隨機排列， 即 1-m隨機排列產生一個一維數組

 

4--Tensor屬性訪問

|----查看Tensor的大小（維度 ） a.size(),a.shape(),二者等價

|----查看總元素個數 a.numel() == a.nelement()

 

5--Tensor數據層面上的修改

|----a.view(a,b),會修改其維度，可是數據總量不會改變 且返回新的對象b，但a與b共享內存，只是對內存的解析不一樣

|------當view的參數含有-1時，該參數會根據另外一個參數計算當前的參數

|----a.squeeze(dim) 縮減某個維度，可是隻有能縮減的時候纔會生效，實驗的時候發現只有通過unsqueeze出的維度才能縮減

|----a.resize_(), 當縮小時，不見的內存依舊保存，當變大時，會自動擴增內存

 

6--Tensor的索引

|----下標運算[ ]，很騷氣，腳本語言的好處了吧

|----方法類: 注意 要分清 dim 和 index的區別

|------t.index_select()

|------t.masked_select()，就是掩圖，可是是ByteTensor

|------t.non_zero()

|------gather() 在某維度的方向上 進行選取，略複雜

|------scatter_() 與 gather操做相反