拼接

1. import torch : 不是”pytorch”

2. x = torch.arange(12) : 生成一个shape为 (12,) 的向量，注意 元组里有几个数字，张量就是几维的，(12,)只有一个数字，所以是一维张量，没有行与列的概念，因而12不是代表12行，真正的“12行”，其形状应该是二维的，写作 (12, 1)；

3. x.shape

4. x.numl()

5. X = x.reshape(3, 4) :
   • 这个元组(3,4)有两个数字，所以新张量就是3行4列的
   • 可以用x.reshape(-1,4)或x.reshape(3,-1)来取代
6. torch.zeros((2, 3, 4)) :
   • .zeros()把所有元素初始化为0
   • .ones()把所有元素初始化为1

7. torch.randn(3, 4) : 张量的每个元素都从 标准正态分布 中随机采样得到

8. torch.tensor([[2, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]]) : 直接指定元素值

9. torch.exp(x) : 对输入张量 x 中的每一个元素，都计算 $e^x$ 的值

10. 拼接

X = torch.arange(12, dtype=torch.float32).reshape((3,4))

Y = torch.tensor([[2.0, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])
# 拼接
torch.cat((X, Y), dim=0) # 按行拼接
torch.cat((X, Y), dim=1) # 按列拼接

• dim=0：0代表shape的第0纬，也就是“行”
• dim=1：1代表shape的第1纬，也就是“列”
• 第一个输出张量的轴0长度（6）是两个输入张量轴0长度的总和（3 + 3）
• 第二个输出张量的轴‐1长度（8）是两个输入张量轴‐1长度的总和（4 + 4）

(tensor([[ 0., 1., 2., 3.],
[ 4., 5., 6., 7.],
[ 8., 9., 10., 11.],
[ 2., 1., 4., 3.],
[ 1., 2., 3., 4.],
[ 4., 3., 2., 1.]]),

tensor([[ 0., 1., 2., 3., 2., 1., 4., 3.],
[ 4., 5., 6., 7., 1., 2., 3., 4.],
[ 8., 9., 10., 11., 4., 3., 2., 1.]]))

1. X.sum()：对张量中的所有元素进行求和，会产生一个单元素张量