PyTorch基础

常用函数部分

concat与stack函数

stack函数对输入的两个张量在指定的维度进行堆叠，是创建了新的维度

concat函数对输入的张量在指定维度进行拼接，没有创建新的维度

# stack和concat函数
a = torch.rand(4, 3)  # A班4位同学，每位同学3科成绩
b = torch.rand(4, 3)  # B班4位同学，每位同学3科成绩
c = torch.stack((a, b), dim=0)  # 理解：年级所有同学的3科成绩（假设年级只有A班和B班两个班，每个班只有四名同学）
print(c.shape)  # torch.Size([2, 4, 3])
d = torch.concat((a, b), dim=1)  # 理解：a是A班4位同学3科成绩，b是这4名同学其他3门课的成绩，拼接后代表这4名同学的6科成绩
print(d.shape)  # torch.Size([4, 6])

list和tensor乘法不同之处

list的*乘法是复制元素，改变list的shape

tensor的*乘法是对tensor中的元素进行点乘计算

a = torch.tensor([[3, 3, 3, 3]])
b = [3]  # list的*乘是复制元素进行扩展
print(a * 3)  # tensor([[9, 9, 9, 9]])
print(b * 3)  # [3, 3, 3]

最大值 / 最小值索引：argmax / argmin

需要通过参数dim指定操作的维度，dim的理解
- 官方解释：The dimension to reduce
- 以二维张量举例，dim=1即在每一行中选出一个最大值 / 最小值元素的索引，索引的shape应为[dim0, 1]，即reduce了dim=1的维度
```
# 最大值最小值索引
a = torch.tensor([[0.1, 0.9, 0.3], [0.9, 0.8, 0.99], [0.1, 0.7, 0.8], [0.88, 0.1, 0.2]])  # [4, 3]
print("argmax output: ", a.argmax(dim=0), a.argmax(dim=1))  # argmax output:  tensor([1, 0, 1]) tensor([1, 2, 2, 0])
```

Python zip函数

zip函数可以理解为压缩，将输入的两个迭代器的最外层对应元素压缩为一个新的元素

a = torch.tensor([1, 2, 3])
b = torch.tensor([4, 5, 6])
c = zip(a, b)
for i in c:
    print(i)
'''
(tensor(1), tensor(4))
(tensor(2), tensor(5))
(tensor(3), tensor(6))
'''
a = torch.tensor([[1, 2, 3], [3, 2, 1]])
b = torch.tensor([[4, 5, 6], [6, 5, 4]])
c = zip(a, b)
for i in c:
    print(i)
'''
(tensor([1, 2, 3]), tensor([4, 5, 6]))
(tensor([3, 2, 1]), tensor([6, 5, 4]))
'''

常用函数部分​

常用函数部分