维度变换
1.view = reshape
view变化的前提是保证整个tensor的size不变。
注：所做的合并必须有物理意义！2、Squeeze（减少维度）/unsqueeze（增加维度）
Squeeze是将没有参数的位置挤压。
3、expand / repeat
expand ：只是改变理解方式，并没有增加数据，只有在必要的时候拷贝数据
repeat：增加了数据
expand：只有维度是1的才能扩张，-1 表示维度不变
repeat：每一个维度要增强的次数
4、.t（转置）仅仅适用于矩阵
5、transpose
contiguous( )函数让数据变得连续。
transpose会把数据的维度打乱，所以要用contiguous()
六、permute
broadcast自动拓展
特点：
1）自带Expand
2）without copying data默认从最后一个维度开始匹配
已知：feature map[4,32,14,14]
bias:[32]
则：
bias[32]->[32,1,1] 这一步需要自己手工做 -->[1,32,1,1]–>[4,32,14,14]
使用条件：
如果当前维度为1（列表），expand to same
如果当前维度是0（标量），插入一维，expand to same
否则，not broadcasting-able
example 1：
[4,32,14,14]
[1,32,1,1] ->[4,32,14,14]
example 2 :
[4,32,14,14]
[14,14]->[1,1,14,14]->[4,32,14,14]
example 3(not broadcasting-able):
[4,32,14,14]
[2,32,14,14]
拼接与拆分
拼接
1、cat
cat(需要合并的tensor , 需要合并的维度）
“32”、“8”这两项要一致2、stack
创建新的维度
同理，注意没有操作的项要一致。
拆分
3、split
根据长度进行拆分
split(拆分的长度 ， 拆分的维度）
如果拆分的长度不一样，要用list表示
4、chunk
根据数量进行拆分
数据运算
base
1、add
2、sub
3、mul、div
矩阵相乘
1、matmul
注意：torch.mm：仅适用于2d矩阵相乘，不建议使用，建议使用matmul来计算矩阵乘法*: 表示相同位置上元素相乘
matmul（@）:表示矩阵相乘
降维过程
基本函数
1、使用pow，其作用等价于 ： a ** num
2、sqrt等价于pow(a,1/2)
3、rsqrt是对平方根求导
4、exp()
5、log()
6、tensor.floor():向下取整
7、tensor.ceil():向上取整
8、tensor.trunc():把一个浮点数裁剪出整数部分
9、tensor.frac()：把一个浮点数裁剪出小数部分
10、tensor.round():四舍五入
11、tensor.clamp():裁剪
1）tensor.clamp(min):对于小于tensor中的数如果小于min就修改成min
2）tensor.clamp(min,max):对于tensor中的数值，如果大于max都修改成max
