一、Pytorch函数总结
|函数 |功能 |参数 |定义 |备注 |示例 |示例
|—- |—- |—- |—- |—- |—- |—-
|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”
二、Pytorch数据类型总结
|Data type |dtype |Tensor types
|—- |—-|—-
|32-bit floating point| torch.float32 or torch.float |torch..FloatTensor
|64-bit floating point| torch.float64 or torch.double |torch..DoubleTensor
|16-bit floating point| torch.float16 or torch.half |torch..HalfTensor
|8-bit integer (unsigned)| torch.uint8 |torch..ByteTensor
|8-bit integer (signed)| torch.int8 |torch..CharTensor
|16-bit integer (signed)| torch.int16 or torch.short |torch..ShortTensor
|32-bit integer (signed)| torch.int32 or torch.int |torch..IntTensor
|64-bit integer (signed)| torch.int64 or torch.long |torch..LongTensor
三、Pytorch 模型函数总结
|名字 |功能 |参数 |定义 |备注1 |备注2
|—- |—- |—- |—- |—- |—-
|nn.Linear |对于输入数据，做一个线性转换 |”输入特征数目 输出特征数目 是否需要偏置”|
|
|nn.Conv2d |对于输入数据，做2D的卷积运算 |”in_channels 输入通道数（必选） out_channels 输出通道数(必选) kernel_size 卷积核的size，传整数比如2 表示size 是[2,2] 要么传list表示大小 stride移动方式 形式如kernel_size可以是整数或者list padding是否padding”
