torch常用的一些函数
1 torch.mean()
产生大小为指定的，正态分布的采样点，数据类型是tensor
torch.randn(4)
tensor([-2.1436, 0.9966, 2.3426, -0.6366])
torch.randn(2, 3)
tensor([[ 1.5954, 2.8929, -1.0923],
[ 1.1719, -0.4709, -0.1996]])
2 torch.mean()
torch.mean(input) 输出input 各个元素的的均值，不指定任何参数就是所有元素的算术平均值，指定参数可以计算每一行或者 每一列的算术平均数
a = torch.randn(1, 3)
tensor([[ 0.2294, -0.5481, 1.3288]])
torch.mean(a)
tensor(0.3367)
a = torch.randn(4, 4)
tensor([[-0.3841, 0.6320, 0.4254, -0.7384],
[-0.9644, 1.0131, -0.6549, -1.4279],
[-0.2951, -1.3350, -0.7694, 0.5600],
[ 1.0842, -0.9580, 0.3623, 0.2343]])torch.mean(a, 1, True)
tensor([[-0.0163],
[-0.5085],
[-0.4599],
[ 0.1807]])
torch.mean(a, 1)
tensor([-0.0163, -0.5085, -0.4599, 0.1807])
dim=true,计算每一行的平均数，输出与输入有相同的维度：两维度（4,1）
不设置dim,默认计算每一行的平均数，内嵌了一个torch.squeeze()，将数值为1的维度压缩（4，）
3 torch.squeeze()
torch.squeeze(input, dim=None, out=None)
输出：将输入所有维度为1的去除（2，1）=（2，）（以行向量的形式存在）
x = torch.zeros(2, 1, 2, 1, 2)
x.size()torch.Size([2, 1, 2, 1, 2])
y = torch.squeeze(x)
y.size()torch.Size([2, 2, 2])