1、view和reshape：
* 两者功能完全一样。只是pytorch 0.3版本默认是view，为了和Numpy一致，后来增加了reshape的api
* 注意：变换前后的数据大小必须一样
2、squeeze v.s. unsqueeze
1)unsqueeze，将维度展开。
如下图所示：
一维数据插入-1以后，将数据变成二维（1行2列，变为2行1列）
如果插入0，会将1行2列，变成1行1列（1列里面又是1行1列）
2）squeeze：删减维度
与unsqueeze作用刚好相反。
a.squeeze()默认是删减所有为1的维度数据，如下图所示：
3、expand v.s. repeat
1）expand：扩展维度到指定维度
2）repeat：
复制原维度多少倍。（不建议使用，因为复制数据会重新申请内存空间，比较占内存）
4、t：矩阵转置：
5、transpose v.s. permute
1）transpose：维度交换
torch.all、torch.eq # 用于比较两个数据是否一致
2）permute：
调用一次或多次的transpose来达到交换
6、broadcast广播（自动扩展）：
1）特点：
自动扩展维度，并且不用复制数据，节省空间
2）不能broadcast的情况：
给定A的维度[4 32 8]，若给定B[4]。因为广播(默认)是从小维度开始，即此处的8所在维度。因为4属于8的一半维度，而另外的两个维度可以扩展为4 32，最终导致8所在维度缺少一半数据，所以此时不能扩张。（如果给定[1]，可以8的每个数字加上1，或者给定[8]，每个元素一一对应相加，否则不能扩张）
3）广播例子：
4）综上，可以广播的条件：
要么不给定维度，要么给定1，要么给定原数据相同的维度。
