torch常用的函數

1、torch.cat()：是將兩個張量（tensor）拼接在一起。

C = torch.cat( (A,B),0 )  #按維數0拼接（行數增加）
C = torch.cat( (A,B),1 )  #按維數1拼接（列數增加）

2、tensor.expand_as()：把一個tensor變成和函數括號內一樣形狀的tensor

3、tensor.narrow(dim,index,number)：dim-取行/列;index-從索引index開始取;number-取的行數/列數

4、contiguous()：在調用view()之前需要先調用contiguous()

5、tensor.contiguous().view()：范數的數據和傳入的tensor一樣，只是形狀不同；注意view()返回的tensor和傳入的tensor共享內存，意思就是只要修改其中一個，數據都會變；如果出現-1,-1表示讓電腦幫助我們計算，看例子：

import torch a = torch.arange(0,20)      #此時a的shape是(1,20)
a.view(4,5).shape       #輸出為(4,5)
a.view(-1,5).shape      #輸出為(4,5)
a.view(4,-1).shape      #輸出為(4,5)

6、tensor.transpose(0,1)：將0維與1為交互，即轉置

7、Tensor.uniform_(from=-1, to=1):將tensor用從均勻分布中抽樣得到的值填充

a = torch.Tensor(2, 3).uniform_(-1, 1)

8、Tensor.fill_(1):用指定的數填充tensor

a = torch.Tensor(2,3).fill_(1)

9、Tensor.new()：創建一個新的Tensor，該Tensor的type和device都和原有的Tensor保持一致，且該Tensor中無內容；

inputs = torch.randn(m, n)
new_inputs = inputs.new()
new_inputs = torch.Tensor.new(inputs)

#實際應用（添加噪聲），可以對Tensor添加噪聲，添加如下代碼即可實現：
noise = inputs.data.new(inputs.size()).normal_(0,0.01)

#Tensor.data:從原有計算中分離（復制）出來的一個tensor變量（不安全）

10、Tensor.squeeze() & Tensor.unsqueeze() & view()：

a = torch.arange(0, 9)
print(a.shape)  # torch.Size([9])

# 1、利用view()改變tensor的形狀。值得注意的是view不會修改自身的數據，返回的新tensor與源tensor共享內存；同時必須保證前后元素總數一致。
b = a.view(3, 3)
print(b.shape)  # torch.Size([2, 5])

# 2、unsqueeze()該函數用來增加某個維度。在PyTorch中維度是從0開始的
# 在第一個維度(即維度序號為0)前增加一個維度。同理，可在其他位置添加維度
c = b.unsqueeze(0)
print(c.shape)  # torch.Size([1, 3, 3])

d = c.unsqueeze(2)
print(d.shape)  # torch.Size([1, 3, 3])

# 3、squeeze():該函數用來減少某個維度。
e = d.squeeze(2)
print(e.shape)

11、

 

12、

 

13、

14、

15、

 

 

 

 

 

 

 

 

---