Tensor Operation
1. 张量拼接与切分
torch.cat()：将张量的维度dim进行拼接，不会扩张张量的维度
如dim=0，则两个向量将在第0维进行拼接：(3,4)concat(3,4)-->(6,4)
torch.stack()：在新创建的维度dim上进行拼接
如dim=0，则(3,4)stack(3,4)-->(2,3,4)
如dim=2，则(3,4)stack(3,4)-->(3,4,2)
torch.chunk()：将张量维度dim进行平均切分，返回张量列表。
若不能整除，最后一份张量小于其他张量
chunk：要切的份数
torch.split()：将张量按维度dim进行切分，返回张量列表
split_size_or_sections：当为int时，表示每一份的长度；当为list时，按list元素切分
2. 张量索引
torch.index_select()：在维度dim上，按index索引数据。依index索引数据拼接的张量。
index：是dtype为torch.long的tensor
t = torch.randint(0, 9, size=(3, 3))
idx = torch.tensor([0, 1], dtype=torch.long)
t_select = torch.index_select(t, dim=0, index=idx)
torch.mask_select()：按mask中的True进行索引，返回一维张量。
t = torch.randint(0, 9, size=(3, 3))
mask = t.ge(5) # >=5 return true; else false
t_select = torch.masked_select(t, mask)
3. 张量变换
torch.reshape()：变换张量形状。当张量在内存中是连续时，新张量与input共享数据内存。
torch.transpose()：变换张量的两个维度
torch.t()：二维张量的转置
torch.squeeze()：压缩长度为1的维度。
dim为None时，移除所有长度为1的轴；若指定维度，当且仅当该轴长度为1时，可以被移除
torch.unqueeze()：依据dim扩展维度
Tensor Math Operation
torch.add()：逐元素计算input+alpha+other
torch.addcdiv():
torch.addcmul():
