Pytorch中torch的操作合集

1. tensor的基本操作 【PyTorch系例】torch.Tensor详解和常用操作
   这里最重要的概念是索引出来的结果与原数据共享内存，也即修改一个，另一个也会跟着修改。
2. tensor的广播机制 Pytorch：Tensor数组运算中的Broadcasting【广播机制】
   这里最重要的概念是只有存在1维的张量才可以进行广播，并且维度是从后往前开始。
3. tensor的索引 Pytorch：浅探Tensor的各种索引形式
   这里最重要的概念是tensor的下标是从0开始，并且使用[a:b]，选用的是大于等于a，但是小于b之间的数据。

其次自己补充一下，请看如下代码：

>>>import torch
>>>a = torch.tensor([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
>>> print(a.size())
torch.Size([2, 2, 2])
>>> print(a)
tensor([[[1, 2],
         [3, 4]],

        [[5, 6],
         [7, 8]]])
 >>> b = a[:,:,1]
>>> print(b)
tensor([[2, 4],
        [6, 8]])
>>> b = a[:,:,0:1]
>>> print(b)
tensor([[[1],
         [3]],

        [[5],
         [7]]])
>>> b = a[:,1,:]
>>> print(b)
tensor([[3, 4],
        [7, 8]])

如果a的维度是（2,2,2）, 如果b=a[:, :, 1]，此时b的维度是(2, 2);如果b=a[:, :, 0:1]，此时b的维度是（2, 2, 1);可以看出来如果某一个维度是一个确切的一维数字，那么该维度就会消失。

4. torch的函数dim理解 pytorch中tf.nn.functional.softmax(x,dim = -1)对参数dim的理解
   这里最重要的概念是dim的大小对应维度，如0代表第一维，1代表第二维…