Jamesgender的博客

③当indices_or_sections类型为list时，对于split，划分值之和不得超过元素个数，比如不能写成【3,4,15】，否则会报错。如对【3,4,15】，下标小于3的，下标小于4大于3的，下标小于6大于4的，下标小于15大于6的，该方法会划分出以上4组。下标超出实际大小的时候会返回一个空的tensor。①split的indices_or_sections的类型为int或者list，而tensor_split的类型为tensor，int，list，tuple of list。

这个方法往往需要和能够返回long tensor类型的下标方式一起使用。比如argmax和argsort。从输入中根据维度和下标选择值，其中下标的类型必须为long tensor。

对输入input，填充内容为src,指定维度dim，指定填充下标index。

可以看出，对于zeros（n），ones（m）和offset要满足m+offset = n。对输入进行对角线填充，填充内容为src。

把两个tensor纵向堆叠在一起。相当于 torch.hstack (张量) ，但是张量中的每个零维或一维张量 t 在水平叠加之前首先被重新形成一个(t.numel () ，1)列。

对于一个n维的输入，输出结果的下标的大小是z×n维的，z是所有非零元素的总个数。返回一个张量，该张量包含输入中所有非零元素的下标。

返回张量共轭且最后两个维度转换的视图。由于返回的是视图，并没有改变内存中的数值。

返回的 PyTorch 张量将与输入张量共享内存，因此要注意不能随意更改该张量中的内容。把一个额外库的张量转换为torch中的张量。

当obj是Numpy scalar时，返回的tensor是一个cpu上的0维的tensor，也不共享内存。返回的数据类型会根据Numpy scalar的数据类型转换为pytorch的数据类型。当obj是tensor、Numpy array或者DLPack，返回的tensor默认不需要梯度，且会和obj有着相同的数据类型（dtype），位于同一个device上，共享内存。当obj不是上述任意一种但是是一个标量，或者一系列标量，返回的tensor默认推断标量的数据类型，返回到CPU，且不共享内存。