tensor的維度變換
view以及reshape的用法
例子：
a = torch.rand(4,1,28,28)
a.view(4,28*28)
解讀：其實就是將圖片的通道數、圖片的像素行列值都合並在一起，成為【4，784】，適合全連接層的輸入。
例子2：
a = torch.rand(4,1,28,28)
a.view(4*1,28,28)
表示我們現在只關注feature map這個屬性，而不關注它來自哪個圖片的哪個通道
注意在view之后如果想恢復到原來的維數是要進行記錄的，否則直接恢復是不行的。
squeeze與unsqueeze用法
unsqueeze
在相應的index的維度添加一維
例子：
a = torch.rand(4,1,28,28)
a.unsqueeze(0)
a.shape
#[1,4,1,28,28]
unsqueeze的參數是index，而index的范圍是[-a.dim()-1,a.dim()+1)
-5 -4 -3 -2 -1
[ 4 , 1 , 28 , 28 ]
0 1 2 3 4
⭐如果是0 1 2 3 4的話就是在0 1 2 3 4的前面插入一維，而如果是-5 - 4- 3- 2 -1的話就是在-5 - 4- 3- 2 -1的后面插入一維
⭐例子二：
a = a.torch.tensor([1.2,2.3])#這里的數據的維度為【2】
a.unsqueeze(-1)#在最后一個后面添加一維：【2，1】
#[ [1.2] , [2.3] ] 於是就是先是兩維，然后是一維
a.unsqueeze(0)#在第一維前面添加一維“【1，2】
#[ [1.2 , 2.3] ] 於是就是先是一維，里面是兩維
⭐實例：
f表示4張14*14的擁有32個通道的圖片，而b表示給圖片的每個channel上的所有的像素添加一個偏置，我們的目標就是把b疊加在f上面，所以要將b的維度變換與f相同才可以進行，然后再進行b的擴張。
b = torch.rand(32)
f = torch.rand(4,32,14,14)
b = b.unsqueeze(1).unsqueeze(2).unsqueeze(0)
#[32] [32,1] [32,1,1] [1,32,1,1]
squeeze
刪減維度，如果沒有參數的話會把所有能進行刪減的都刪減了。
例子：
b = torch.randn(1,32,1,1)
b = b.squeeze()#所有維數是1的全部刪掉
#[32]
squeeze的索引是指哪個就刪哪個，除非該維度的維數不是1就不能刪
expand與repeat用法
進行維度的擴展，就像前面的b【1，32，14，14】，要想與f【4，32，14，14】進行相加的話，b就要進行維度的擴展。
兩種方法的區別：
兩種方法在效果方面是等效的，但是expand只在需要的時候進行數據的復制，而repeat會直接復制數據。所以推薦使用expand
expand
例子：
b = torch.randn(1,32,1,1)
b.expand(4,32,14,14)
#[4,32,14,14]
局限性：
1.要求expand之前之后的dimension必須一樣。
2.只能在之前維數為1的地方進行expand，而如果之前的維數為3是沒有辦法擴張到m的。
【3，32，14，14】——b.expand(4,32,14,14)報錯
例子2：不像進行變動的地方使用-1代替就可以
b = torch.randn(1,32,1,1)
b.expand(4,32,-1,-1)
#[4,32,1,1]
repeat
repeat的參數表示你要在該維數位置進行多少次復制
例子：
b = torch.randn(1,32,1,1)
b.repeat(4,32,1,1)
#[ 4 , 1024 , 1 , 1 ]
表示1復制4次變為4，32復制32次變為1024，其它沒變
.t()轉置
進行tensor的轉置，但是要注意：只能進行2D tensor的轉置，即矩陣的轉置。
transpose轉置
進行某幾維之間的相互交換
例子：
b = torch.randn(4,3,32,32)
b = b.transpose(1,3)
#[4,32,32,3]
# 0 1 2 3
例子2：這樣變換前后的二者是一樣的(contiguous()表示進行transpose之后數據不再是按順序存放的，使用該方法進行順序的調整)
a2 = b.transpose(1,3).contiguous().view(4,3*32*32).view(4,3,32,32).transpose(1,3)
注意：[B C H W] → [B W H C] → [B W * H * C] →[B C W H]這樣的變換是不行的 W與H的順序變換了，圖像也會處出現變換
⭐例子3：
a = torch.rand(4,3,28,28)#[B C H W]
a.transpose(1,3)#[B W H C]
a.transpose(1,2)#[B H W C]
由於[B H W C]是numpy中儲存圖片的方式，所以這樣變換以后才能導出numpy
permute函數
transpose中的例子3使用permute函數進行簡單的一步變換：
a = torch.rand(4,3,28,28)#[B C H W]
a.permute(0,2,3,1)#[B H W C]