Pytorch(笔记2）

广播机制

在某些情况下，即使形状不同，我们仍然可以通过调用 广播机制（broadcasting mechanism）来执行按元素操作。这种机制的工作方式如下：

1. 通过适当复制元素来扩展一个或两个数组，以便在转换之后，两个张量具有相同的形状；
2. 对生成的数组执行按元素操作。

你尝试对两个形状不匹配的张量进行元素级（element-wise）操作时，如加法、减法、乘法等，PyTorch会尝试进行广播（broadcasting）以使得这两个张量在形状上兼容。广播是一种强大的机制，它允许NumPy和PyTorch等库对形状不同的数组进行数值计算。

a = torch.arange(3).reshape((3, 1))
b = torch.arange(4).reshape((1, 4))
print(a+b)

tensor([[0, 1, 2, 3],
        [1, 2, 3, 4],
        [2, 3, 4, 5]]) 
# 注释总结：  
# a和b的形状分别是(3, 1)和(1, 4)，但由于PyTorch的广播规则，我们可以将它们相加。  
# 结果是一个(3, 4)的张量，其中每个元素都是a和b中对应元素的和。

索引和切片

在任何其他Python数组中一样，张量中的元素可以通过索引访问。与任何Python数组一样：第一个元素的索引是0，最后一个元素索引是‐1；可以指定范围以包含第一个元素和最后一个之前的元素。

我们可以用[-1]选择最后一个元素，可以用[