张量操作_pytorch tensorflow numpy

20210609

https://blog.youkuaiyun.com/q511951451/article/details/81611903
torch.mask_select

https://blog.youkuaiyun.com/lcqin111/article/details/89765081
torch.expand_as

https://blog.youkuaiyun.com/m0_46653437/article/details/111631045
https://blog.youkuaiyun.com/weixin_36670529/article/details/101774993
torch.exp()

https://blog.youkuaiyun.com/cpluss/article/details/90260550
gather
在指定维度上 取对应索引位置的值

https://www.jianshu.com/p/3ed11362b54f
torch.max()
按那个维度取,那个维度就坍塌成1,最大值体现在后面一个维度上

   char_conv_outputs = torch.cat(char_conv_outputs, dim=1)    #列表转成tensor

如果cat括号里面只有一个列表的话就是把这个列表转成tensor

20201231

tf.squeeze
该函数返回一个张量，这个张量是将原始input中所有维度为1的那些维都删掉的结果
axis可以用来指定要删掉的为1的维度，此处要注意指定的维度必须确保其是1，否则会报错
https://www.jianshu.com/p/a21c0bc10a38

20201222

 copy['output_layer'] = copy['output_layer_x']+copy['output_layer_y']
单元格是列表 上面一种可以操作
下面一种不行
        copy['output_layer'] =copy.apply(lambda x：x['output_layer_x']+x['output_layer_y'])

a=[1,2]
b=[3,4]
c=a+b
c=[1,2,3,4]
print©
列表直接相加就可以把两个列表拼起来

f.add 就是相加
tf.argmax(a,1) 1 是axis
https://blog.youkuaiyun.com/u012300744/article/details/81240580

https://blog.youkuaiyun.com/ustbbsy/article/details/79564529
tf.equal 逐个元素判断

https://www.cnblogs.com/AlvinSui/p/8987707.html
tf.multiply 和 tf.matmul 的区别

https://blog.youkuaiyun.com/m0_37041325/article/details/77094909
tf.substtract() 减法

https://blog.youkuaiyun.com/a19990412/article/details/82917734
tf.assign(a,b) 赋值 更新参数 用b 替代a

https://blog.youkuaiyun.com/dcrmg/article/details/79797826
tf.reduce_mean

上面是不保留维度
下面是保留维度 保留维度就是被操作的那个axis 保留为1

https://blog.youkuaiyun.com/kyle1314608/article/details/111565112
tf 和pytorch 张量 api 速查

20201221

https://blog.youkuaiyun.com/winycg/article/details/100813519
张量复制

[1000 2 768 ] 要改成 [1000 768 2 ]

不能直接交换位置 直接交换位置会改变单个单位内的元素个数

数据最终是落实在最后一个维度上
尝试先去掉2 再在后面加上2 这种方法不可用

维度查看

cc=torch.transpose(bb,2,1)

转置 数据不会变化

view 数据会变换 reshape 数据也会变化