Pytorch学习笔记-第三章

记录一下个人学习和使用Pytorch中的一些问题。强烈推荐 《深度学习框架PyTorch：入门与实战》.写的非常好而且作者也十分用心，大家都可以看一看，本文记录按照该书学习Pytorch时在第三章Tensor和Autograd遇到的一些问题。

Tensor

对tensor的大部分操作同时支持torch和tensor的接口如torch.sum (torch.sum(a, b))与tensor.sum (a.sum(b))功能等价；同时带‘_’后缀的函数会修改调用者自己的数据，在实际应用中需加以区分。

创建

1.指定tensor的形状生成的tensor数值取决于内存随机，输出时可能溢出。
2.tensor.numel()输出tensor里面的元素个数。
3.tensor.shape和tensor.size()等价，注意shape没有（）调用

size调整

通过tensor.view方法可以调整tensor的形状，但必须保证调整前后元素总数一致，但是会和原来的共享内存。（可以某一维设置为-1自动计算尺寸）同时squeeze和unsqueeze两个函数可以增加减少某一维度(消去只有一个元素的维度)。

c = b.view(1, 1, 1, 2, 3)
c.squeeze(0) # 压缩第0维的“１”

c.squeeze() # 把所有维度为“1”的压缩

resize_是另一种可用来调整size的方法，但与view不同，它可以修改tensor的大小。如果新大小超过了原大小，会自动分配新的内存空间，而如果新大小小于原大小，则之前的数据依旧会被保存，再次变大size的话又会出现原来的值

索引

索引方式类似于numpy

a[0] # 第0行(下标从0开始)
a[:, 0] # 第0列
a[0][2] # 第0行第2个元素，等价于a[0, 2]
a[0, -1] # 第0行最后一个元素
a[:2] # 前两行
a[: