randn(size)

創(chuàng)建一個(gè)標(biāo)準(zhǔn)正態(tài)分布內(nèi)隨機(jī)的矩陣

zeros(size)

全零矩陣

tensor(list)

創(chuàng)建一個(gè)內(nèi)容為參數(shù)的tensor

linspace

同numpy

randperm

加法

+

tensor.add

torch.add

修改一個(gè)的值

（很多運(yùn)算符都在末尾有一個(gè)_，表示inplace操作

size()

tensor的形狀

view

torch里面的“reshape”

item

如果tensor中只有一個(gè)元素的時(shí)候，使用這個(gè)函數(shù)獲取這個(gè)

數(shù)值

abs

絕對(duì)值

sin

mm

矩陣相乘

pow

冪

cat

合并數(shù)組

axis=0 沿著列的方向[1…n][0]

axis=1 沿著行的方向[0][1;;;n]

axis=0 （從左往右數(shù)）第0個(gè)坐標(biāo)的元素疊加，其他坐標(biāo)的元素不變

axis=1 第1個(gè)坐標(biāo)的元素疊加，其他坐標(biāo)的元素不變

max

如果又axis參數(shù)的話，返回的第一個(gè)下標(biāo)是所有的最大值，第二個(gè)下標(biāo)是最大值對(duì)應(yīng)的index。

axis=0 [1~n][0]里面找到最大的一個(gè)，

也就是第零個(gè)坐標(biāo)的參數(shù)變化（去比較），其他坐標(biāo)的參數(shù)不變

axis=1 [0][1~n]里面找到最大的一個(gè)，

也就是第一個(gè)坐標(biāo)的參數(shù)變化（去比較），其他坐標(biāo)的參數(shù)不變

narrow()

?返回的部分和input 共享內(nèi)存

?

input 需要被截取的tensor

dim 沿著那個(gè)維度截取

start 起始截取下標(biāo)

length? 截取多長的

?

（沿著第0個(gè)下標(biāo)截取）?

?

?

（沿著第1個(gè)下標(biāo)截取）

squeeze（）

我們首先創(chuàng)建一個(gè)維度為（1，2，3）的tensor

然后對(duì)他squeeze

只有squeeze對(duì)應(yīng)的維度為1的時(shí)候，我們才會(huì)把這個(gè)維度去掉，不然的話維度保持不變

unsqueeze

masked_fill(data,x)

將data為True的相應(yīng)位置的值替換為x

?numel

permute?

(2,0,1)的意思是，維度變換成：（原來的第二個(gè)，原來的第0個(gè)，原來的第1個(gè)）?

t