见见大魔王

是 Dataset 抽象类，所有自定义的 Dataset 都要继承它，并完成复写。：批大小，决定一个 Epoch 有多少个 Iteration。A1：Sampler会返回index，确定读取哪些数据。：一批样本输入到模型中，称之为一个 Iteration。：所有训练样本都已输入到模型中，称为一个 Epoch。A3：使用Dataset中的getitem。A2：在Dataset中进行设置。接收一个索引，放回一个样本。

pytorch中的自动求导

pytorch中的自动求导

Pytorch是动态图机制

简介pytorch中的张量和基础用法

【Torch笔记】torch.repeat()解析官网说明：torch.repeat()当参数有三个时：（通道数的重复倍数，列的重复倍数，行的重复倍数）例子：

【Torch笔记】torch.nn.LSTM 使用方法1 基本原理LSTM，长短期记忆 RNN，是 RNN 的变体，优点在于能学习长期依赖的信息，相当于有记忆功能。LSTM 的关键就是 细胞状态（cell state），水平线在图上方贯穿运行。细胞状态类似于传送带，直接在整个链上运行，只有一些少量的线性交互。信息在上面流传比较容易保持不变。LSTM 有通过精心设计的称作为“门“的结构来 去除或者增加信息到细胞状态的能力。门是一种让信息选择式通过的方法。他们包含一个 sigmoid 神经网络层和一

官方解释：沿着一个新维度对输入张量序列进行连接。 序列中所有的张量都应该为相同形状。- dim 是选择生成的维度（从0开始计数），也就是你想把这个堆叠体现在哪个维度上。其实就是一个堆叠过程，直接看代码比较好。下图是 dim = 0 的情况，也就是按行堆叠，输出的结果就是一个 2 * 3 的 tensor。那再看看 dim = 1 的情况。那就是按列堆叠，输出的是一个 3 * 2 的 tensor。那以上就是比较简单的情况，在复杂点呢？也是一样的，aa 和 bb..