python基础（一）

字典通过get() 函数返回指定键的值

dict.get(key[, value]) 

例如：

tinydict = {'Name': 'Runoob', 'Age': 27}
print ("Age : %s" %  tinydict.get('Age'))

将数字或字符串转换为一个长整型。

class long(x, base=10)

long()

输出为：
0L
Python3.x 版本已删除 long() 函数

max() 方法返回给定参数的最大值，参数可以为序列。
例子：

print "max(80, 100, 1000) : ", max(80, 100, 1000)
print "max(-20, 100, 400) : ", max(-20, 100, 400)
print "max(-80, -20, -10) : ", max(-80, -20, -10)
print "max(0, 100, -400) : ", max(0, 100, -400)

输出结果：

reversed 函数返回一个反转的迭代器。

seqString = 'Runoob'
print(list(reversed(seqString)))

结果：

import torch
x=torch.randn(2,2)
print(x)
print(x[1,1])
print(x[1,1].item())

输出结果：

可以看出itme()函数返回的是一个浮点型的数据，在收集accuracy和loss的时候，大多考虑使用item()函数函数来获取较为精确的浮点型数据。

参考：添加链接描述
继承父类的init方法，同样可以使用super()去继承其他方法。

python2.xx与python3.xx中的super()的区别：
python3 直接写成 ： super().init()
python2 必须写成 ：super(本类名,self).init()
pthon中nn.Embedding(num_embeddings-词典长度，embedding_dim-向量维度)函数

embedding = nn.Embedding(10, 3)  

一个vocab size的长度为10，每个vocab用3-d向量表示的table

>>> embedding.weight
Parameter containing:                   
tensor([[ 1.2402, -1.0914, -0.5382],
        [-1.1031, -1.2430, -0.2571],
        [ 1.6682, -0.8926,  1.4263],
        [ 0.8971,  1.4592,  0.6712],
        [-1.1625, -0.1598,  0.4034],
        [-0.2902, -0.0323, -2.2259],
        [ 0.8332, -0.2452, -1.1508],
        [ 0.3786,  1.7752, -0.0591],
        [-1.8527, -2.5141, -0.4990],
        [-0.6188,  0.5902, -0.0860]], requires_grad=True)

其中每一行看作是10个词汇中每个词汇的向量表示，每个vocab用3-d向量表示。
embedding可以使用embedding(input)来表示。

input = torch.LongTensor([[1,2,4,5],[4,3,2,9]])
>>> input                     
tensor([[1, 2, 4, 5],
        [4, 3, 2, 9]])

>>> input.shape              
torch.Size([2, 4])

>>> a = embedding(input)      
>>> a
tensor([[[-1.1031, -1.2430, -0.2571],     
         [ 1.6682, -0.8926,  1.4263],    
         [-1.1625, -0.1598,  0.4034],
         [-0.2902, -0.0323, -2.2259]],
        [[-1.1625, -0.1598,  0.4034],
         [ 0.8971,  1.4592,  0.6712],
         [ 1.6682, -0.8926,  1.4263],
         [-0.6188,  0.5902, -0.0860]]], grad_fn=)

a的第一行，input处index=1，对应取出weight中index=1的那一行。其实就是按index取词向量

>>> a.size()
torch.Size([2, 4, 3])

取出来之后变成243的张量。

用来统计矩阵元素个数，或矩阵某一维上的元素个数的函数.
如果传入的参数只有一个，则返回矩阵的元素个数；
如果传入的第二个参数是0，则返回矩阵的行数；
如果传入的第二个参数是1，则返回矩阵的列数。

alist=[1,2]] >>>[1,2] 
alist.append([3,4]) >>>[1, 2, [3, 4]] 
alist.extend([3,4]) >>>[1, 2, 3, 4]

list.apend(arg1) 参数类型任意，可以往已有列表中添加元素，若添加的是列表，就该列表被当成一个元素存在原列表中，只使list长度增加1。
list.extend(list1) 参数必须是列表类型，可以将参数中的列表合并到原列表的末尾，使原来的 list长度增加len(list1)。