pytorch注意

一般在回归的时候，输出层不需要激活。（现实的回归结果为正负无穷大，而激活之后数值受限，如sigmoid之后值为正负1之间）

1. pytorch学习中torch.squeeze()和torch.unsqueeze()的用法

squeeze的用法主要就是对数据的维度进行压缩或者解压。

先看torch.squeeze() 这个函数主要对数据的维度进行压缩，去掉维数为1的的维度，比如是一行或者一列这种，一个一行三列（1,3）的数去掉第一个维数为一的维度之后就变成（3）行。squeeze(a)就是将a中所有为1的维度删掉。不为1的维度没有影响。a.squeeze(N) 就是去掉a中指定的维数为一的维度。还有一种形式就是b=torch.squeeze(a，N) a中去掉指定的定的维数为一的维度。

再看torch.unsqueeze()这个函数主要是对数据维度进行扩充。给指定位置加上维数为一的维度，比如原本有个三行的数据（3），在0的位置加了一维就变成一行三列（1,3）。a.squeeze(N) 就是在a中指定位置N加上一个维数为1的维度。还有一种形式就是b=torch.squeeze(a，N) a就是在a中指定位置N加上一个维数为1的维度

2. tensor variable data(np)
   Variable.data = tensor
   Tensor.numpy() = data(np)

3. Torch.cat
   使用torch.cat((A,B),dim)时，除拼接维数dim数值可不同外其余维数数值需相同，方能对齐。
   C=torch.cat((A,D),1)#按维数1（列）拼接
   C=torch.cat((A,B),0)#按维数0（行）拼接

pycharm中同时注释多行代码快捷键：
代码选中的条件下，同时按住 Ctrl+/，被选中行被注释，再次按下Ctrl+/，注释被取消