Pytorch中的tensor常用 *** 作

在指定的维度dim上对序列seq进行连接 *** 作。

参数：

例子：

torch.Tensor.expand( sizes)* → Tensor

返回张量的一个新视图，可以将张量的单个维度扩大为更大的尺寸。

张量也可以扩大为更高维，新增加的维度将附在前面。 扩大张量不需要分配新内存，仅仅是新建一个张量的视图。任意一个一维张量在不分配新内存情况下都可以扩展为任意的维度。

传入-1则意味着维度扩大不涉及这个维度。

参数：

例子：

torch.squeeze(input, dim=None, out=None) → Tensor

除去输入张量input中数值为1的维度，并返回新的张量。如果输入张量的形状为（ [图片上传失败...(image-786ec5-1580566115084)]

），那么输出张量的形状为（ [图片上传失败...(image-a0a179-1580566115084)]

）。

当通过dim参数指定维度时，维度压缩 *** 作只会在指定的维度上进行。如果输入向量的形状为（ [图片上传失败...(image-1088a1-1580566115084)]

），squeeze(input, 0)会保持张量的维度不变，只有在执行squeeze(input, 1)时，输入张量的形状会被压缩至（ [图片上传失败...(image-759892-1580566115084)]

）。

如果一个张量只有1个维度，那么它不会受到上述方法的影响。

输出的张量与原张量共享内存，如果改变其中的一个，另一个也会改变。

参数:

例子：

torch.Tensor.repeat( sizes)*

沿着指定的维度重复张量。不同于expand()方法，本函数复制的是张量中的数据。

参数：

例子：

torch.Tensor.unfold(dim, size, step) → Tensor

返回一个新的张量，其中元素复制于有原张量在dim维度上的数据，复制重复size次，复制时的步进值为step。

参数：

例子：

torch.Tensor.narrow(dimension, start, length) → Tensor

返回一个经过缩小后的张量。 *** 作的维度由dimension指定。缩小范围是从start开始到start+length。执行本方法的张量与返回的张量共享相同的底层内存。

参数：

例子：

torch.Tensor.view( args)* → Tensor

返回一个有相同数据但是不同形状的新的向量。

返回的装两必须与原张量有相同的数据和相同的元素个数，但是可以有不同的尺寸。

参数：

例子：

torch.Tensor.resize_( sizes)*

将张量的尺寸调整为指定的大小。如果元素个数比当前的内存大小大，就将底层存储大小调整为与新元素数目一致的大小。

如果元素个数比当前内存小，则底层存储不会被改变。原来张量中被保存下来的元素将保持不变，但新内存将不会被初始化。

参数：

例子：

torch.Tensor.permute( dims)*

将执行本方法的张量的维度换位。

参数：

例子：

torch.Tensor.element_size() → int

查看某类型张量单个元素的字节数。

例子：

PyTorch 常用方法总结4：张量维度 *** 作（拼接、维度扩展、压缩、转置、重复……） - TH_NUM的博客 - CSDN博客

pytorch中与维度/变换相关的几个函数 - MaloFleur - CSDN博客

Numpy与Pytorch 矩阵 *** 作 - 坩埚上校的博客 - CSDN博客

Pytorch对Tensor的各种“特别” *** 作 - LightningCode的博客 - CSDN博客

Pytorch中的矩阵 *** 作：

    随机矩阵： torch.randn(d0, d1, d2, ...)

    添加维度： tensor.unsqueeze(0)

    压缩维度: tensor.squeeze(0)

    按维度拼接tensor： torch.cat(inputs, dim=0, ...)

    维度堆叠： torch.stack(inputs, dim=0)

    张量排序索引： tensor.sort(descending=True) 返回一个tensor为排序后的tensor， 一个为index_tensor

    把原始tensor在某个维度上根据输入的排序：torch.permute()

    矩阵元素夹逼： tensor.clamp()

    矩阵切割: torch.chunk(tensor, chunks, dim)

    矩阵复制: torch.repeat(*size)

    生成零矩阵： torch.torch.zeros(5, 3, dtype=torch.long)

    生产同形状的随机矩阵:x = torch.randn_like(x, dtype=torch.float)

    矩阵扩张：torch.expand()  , torch.expand_as(matrix)

    矩阵转置：x.transpose(dim0= ,dim1= )

    矩阵中函数名以’_’结尾的，如:y.add_(x)，运算结束后会改变y本身

Pytorch对Tensor的各种“特别” *** 作：

小技巧：可以用：id（）和 tensor.device 查看变量的id和位于cpu上还是gpu上。

---