| torch.mul |
对位相乘 |
两个矩阵 或者一个矩阵一个标量 |
torch.mul(input, other, *, out=None) → Tensor |
“如果input和other都是矩阵向量，size必须一样 结果是对应位置的元素相乘 如果other是标量（只有一个元素），结果是把这个元素都乘上去 “ |
 |
 |
| torch.mm |
二维矩阵乘法 其他维度不行 |
两个矩阵 |
torch.mm(input, mat2, *, out=None) → Tensor |
行列式相乘 |
 |
| torch.matmul |
适用性最多的，能处理batch、可以广播不是对位相乘 是矩阵乘法 |
任意两个tensor |
torch.matmul(input, other, *, out=None) → Tensor |
“向量和向量对位相乘矩阵和向量 行列式乘法” |
 |
 |
| torch.ones |
生成全为1的tensor |
shape 是一个整数序列，可以是一个数字也可以是list或者tuple |
ones(size, , out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor |
| torch.zeros |
生成全为1的tensor |
shape同上 比如2行3列可以写成(2,3) [2,3] |
zeros(size, , out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor |
| torch.randn |
按照正则分布产生数据 |
Size参数同上 |
randn(size, , out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor |
| torch.normal |
按照正则分布产生 但是每一个元素的mean和std不一样 是不同曲线生成的 |
means是一个tensor list表示第一个元素的mean std也是一个tensor list |
normal(mean, std, *, generator=None, out=None) -> Tensor |
感觉参数比较诡异 不建议使用 |
| torch.tensor |
返回tensor变量 |
data可以是list，tuple，numpy的各种类型 data (array_like) – Initial datafor the tensor. Can be a list, tuple, NumPy ndarray, scalar, and other types. |
tensor(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False) -> Tensor |
这个函数生成tensor的时候 会新建存储 |
| torch.Tensor |
与torch.FloatTensor相同，只返回cpu张量且是float类型 |
还没搞清楚 |
| view |
返回的变量只是原变量的一个软连接，两个变量共享存储No data movement occurs when creating a view, view tensor just changes the way it interprets the same data. |
shapeShape 可以是torch.Size 也可以是int |
Tensor.view(*shape) → Tensor |
“1. view 的参数是torch.Size 或很多int 参数，可以带括号也可以不用view([2,2])view((2,2))view(2,2)以上效果是一样的2. torch.Size是一个不可变序列 immutable sequence. 如果没有参数，则返回空tuple如果是可迭代的，比如list 则迭代后返回tuple如果是个tuple ，则直接返回” |
