Pytorch——基础API用法

文章目录

• • Tensor
  • Tensor 的归并运算

Pytorch Documentation

Tensor

• Tensor.max()

B, N, C, H, W = feat.shape
feat = feat.max(dim=1)
feat.shape # [B, 1, C, H, W]

• Tensor.view()

B, N, C, H, W = feat.shape
feat = feat.view(B, N, C, H*W)

• Tensor.permute()

B, N, C, H, W = feat.shape
feat = feat.permute(1, 0, 3, 4, 2)
feat.shape # [N, B, H, W, C]

• Tensor.contiguous()
  • 功能：Tensor.contiguous()函数不会对原始数据进行任何修改，而仅仅对其进行复制，并在内存空间上进行对齐，即在内存空间上，tensor元素的内存地址保持连续。
  • 意义： 这么做的目的是，在对tensor元素进行转换和维度变换等 *** 作之后，元素地址在内存空间中保证连续性，在后续利用指针对tensor元素进行读取时，能够减少读取便利，提高内存空间优化。

Tensor 的归并运算

Tensor 的归并运算（torch.mean、sum、median、mode、norm、dist、std、var、cumsum、cumprod）

• torch.sum()
• torch.mean()
• torch.median()
• torch.mode()
• torch.norm()
• torch.dist()
• torch.std()
• torch.var()
• torch.cumsum()
• torch.cumprod()