pytorch相关小操作的总结

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

这里主要记录自己python甚至 pytorch的学习内容

---

一、expand_as()的理解

这是个pytorch中的操作，这里

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

from __future__ import print_function
import torch  as t

# a = t.Tensor(2,3)
#
# print(a)

# b = t.Tensor([[1,2,3],[4,5,6]]) # 用list的数据创建tensor
#
# print(b)
#
# print(b.size())
#
# print(b.numel())
#
# print(t.__version__)


a = t.tensor([[2],[3],[4],[5]])
c = t.tensor([[2,2],[3,3],[5,5],[6,6]]).view(4,2)
print(c)

d = a.expand_as(c)

print(d)

print(a)

首先可以看出a的维度是(4,1)

c的维度是(4,2)

a.expand_as©的语句的意思就是将a的维度扩充为c的维度

tensor([[2, 2],
        [3, 3],
        [5, 5],
        [6, 6]])
tensor([[2, 2],
        [3, 3],
        [4, 4],
        [5, 5]])
tensor([[2],
        [3],
        [4],
        [5]])

print(d)就是a扩充维度之后的输出，但是a本身的维度没有变化。
OK，got it。

二、XX

1.XX