Common data operations in torch

Common data operations of torch

Common methods

torch.arange(num[, dtype=torch.float32]) # 返回一个数据种类dtype且长度num的一维向量
.shape # 返回张量的形状
.numel() # 返回张量的元素个数
.reshape(tuple) # tuple整数元组；返回一个形状为tuple的张量
torch.zeros(tuple) # 返回一个元素值全为0且为tuple的张量
torch.ones(tuple) # 返回一个元素值全为1且为tuple的张量
torch.randn(tuple) # 返回一个元素tuple且其中的每个元素都从均值为0、标准差为1的标准⾼斯分布（正态分布）中随机采样的张量
torch.tensor(array) # array数组；返回array的张量
torch.zeros_like(tensor) # tensor张量；返回与tensor张量形状一样的0张量

operator

和python运算符差不多( + - * / ** > < >= <= == 等)
torch.exp(tensor) # tensor张量；返回e的tensor次方的张量
torch.cat(tensorTuple ,dim = 0) # tensorTuple张量元组；dim已多少维标准；返回拼接的之后的张量
.sum() # 对张量所有元素求和

broadcast mechanism

说白了就是比较小的张量按整数比例扩大, 扩大到与大的张量形状相同时，再进行运算

Indexing and slicing

与Python列表类似
[: , : ] # 冒号:是对此维进行选择；逗号,是区分不同维

Save memory

i