Pytorch学习记录笔记

toch.max某一个维度的最大值

• toch.max(input,dim)
  输入： input是tensor，dim是max函数索引的维度，0表示第一维的最大值，1表示第二维的最大值，-1表示最后一维。
  可用以下图来表示
  

输出： 函数会返回两个tensor，第一个tensor是每行的最大值，softmax的输出中最大的是1，所以第一个tensor是全1的tensor；第二个tensor是每行最大值的索引。

_, predicted = torch.max(outputs.data, 1)
## 下划线表示不在乎返回的第一个tensor值。只想得到第二个tensor
x = torch.randn(3,3)
print(x)
max_value, max_idx = torch.max(x,dim=1)
print(max_value, max_idx)

output：
tensor([[ 0.0735, -1.4541,  1.3885],
        [ 0.5028, -1.6075,  1.6409],
        [ 1.4283,  1.1493,  0.3060]])
tensor([1.3885, 1.6409, 1.4283]) tensor([2, 2, 0])

torch.sum在某个维度值相加

• torch.sum(input,dim)表示在第dim+1个维度tensor值相加

torch.squeeze删掉所有维度为1的维度

• torch.squeeze() 和torch.unsqueeze()
  squeeze(a) 就是将a中所有为1的维度删掉。不为1的维度没有影响。
  a.unsqueeze(N)或torch.unsqueeze(a，N) 就是在a中指定位置N加上一个维数为1的维度。

a = torch.rand(1,3,4)
print(a.size()) #torch.Size([1, 3, 4])
b = torch.squeeze(a)
print(b.size()) #torch.Size([3, 4])
c = torch.unsqueeze(b,0)
print(c.size()) #torch.Size([1, 3, 4])

torch.eye创建一个单位矩阵

• torch.eye()初始化一个单位矩阵

a = torch.eye(4,4)
tensor([[1., 0., 0., 0.],
        [0., 1., 0., 0.],
        [0., 0., 1., 0.],
        [0., 0., 0., 1.]])

torch.arange和torch.range

• torch.arange(start,end,step)
• torch.range(start,end,step)其中step默认为1
  不同点：
  ①arrange不包括end，range是包括end的。
  ②range默认数据类型是float32，arange如果全为整数则默认为int64，但是arange产生的数是带有小数点的话，数据类型会自动变成float32

x = torch.arange(0,10,2)
print(x)
print(x.dtype)
tensor([0, 2, 4, 6, 8])
torch.int64

x = torch.range(0,10,2)
print(x)
print(x.dtype)
tensor([ 0.,  2.,  4.,  6.,  8., 10.])
torch.float32

os.path.join()路径拼接函数

os.path.join()函数：连接两个或多个路径名组件