深度学习——torch相关函数用法解析

1. torch.ones()

torch.ones(*sizes, out=None) → Tensor

函数功能：返回一个全为1 的张量，形状由可变参数sizes定义。
参数:
sizes (int…) – 整数序列，定义了输出形状
out (Tensor, optional) – 结果张量
例子：

>>> torch.ones(2, 3)1  1  11  1  1
[torch.FloatTensor of size 2x3]>>> torch.ones(5)11111
[torch.FloatTensor of size 5]

2. torch.add()

torch.add(input, value, out=None)
对输入张量input逐元素加上标量值value，并返回结果到一个新的张量out，即 out=tensor+value。torch.add(input, value=1, other, out=None)
other 张量的每个元素乘以一个标量值value，并加到iput 张量上。返回结果到输出张量out。即，out=input+(other∗value)两个张量 input and other的尺寸不需要匹配，但元素总数必须一样。注意 :当两个张量形状不匹配时，输入张量的形状会作为输出张量的尺寸。

3. torch.zeros()

torch.zeros(*sizes, out=None) → Tensor

返回一个全为标量 0 的张量，形状由可变参数sizes 定义。
参数:
sizes (int…) – 整数序列，定义了输出形状
out (Tensor, optional) – 结果张量
例子：

>>> torch.zeros(2, 3)0  0  00  0  0
[torch.FloatTensor of size 2x3]生成2*3的张量矩阵>>> torch.zeros(5)00000
[torch.FloatTensor of size 5]x=torch.zeros(2,3,4)
print(x)tensor([[[0., 0., 0., 0.],[0., 0., 0., 0.],[0., 0., 0., 0.]],[[0., 0., 0., 0.],[0., 0., 0., 0.],[0., 0., 0., 0.]]])生成2个3*4的矩阵x=torch.zeros(2,3,4,5)
print(x)tensor([[[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]],[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]],[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]]],[[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]],[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]],[[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.],[0., 0., 0., 0., 0.]]]])
从后向前看，最后两位为数组的维度4*5，前一位3表示有3个4*5的矩阵，在前一位2表示，这样3个4*5的矩阵有2个，以此类推

4.torch.squeeze()

torch.squeeze(input, dim=None, out=None)

函数功能：
将输入张量形状中的1 去除并返回。 如果输入是形如(A×1×B×1×C×1×D)，那么输出形状就为： (A×B×C×D)
当给定dim时，那么挤压操作只在给定维度上。例如，输入形状为: (A×1×B), squeeze(input, 0)
将会保持张量不变，只有用 squeeze(input, 1)，形状会变成 (A×B)。

注意：
返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。

参数:
input (Tensor) – 输入张量
dim (int, optional) – 如果给定，则input只会在给定维度挤压
out (Tensor, optional) – 输出张量

例子：

>>> x = torch.zeros(2,1,2,1,2)
>>> x.size()
(2L, 1L, 2L, 1L, 2L)
>>> y = torch.squeeze(x)
>>> y.size()
(2L, 2L, 2L)
>>> y = torch.squeeze(x, 0)
>>> y.size()
(2L, 1L, 2L, 1L, 2L)
>>> y = torch.squeeze(x, 1)
>>> y.size()
(2L, 2L, 1L, 2L)

参考自：https://blog.csdn.net/qq_42518956/article/details/103876885