PyTorch Tersor 相关函数

1. 生成随机排列

  t.randperm（5）

2. 重新调整tensor形状

  a = t.range(0,6)
  a.veiw(2,3)

 a.unsqueeze(1)  #注意形状，在第一维（下标从0开始）上增加1

  a.unsqueeze(1)  #压缩第1维的‘1’
  a.unsqueeze()   #把所有维度维“1”的压缩

  a.resize_(4,3) #旧的数据依旧保存着，多出的数据会分配新空间

图片.png

3.设置下限和上界

   t.clamp(a, min = 3)
   t.clamp(a, max = 4)

4. Tensor和Numpy转换
Tensor和Numpy数组之间具有很高的相似性，彼此之间的互操作也非常简单高效。需要注意的是，Numpy和Tensor共享内存。由于Numpy历史有据，支持丰富的操作，所以当遇到Tensor不支持的操作时，可先转成Numpy数据，处理后再转回tensor，其转换开销很小。

 b = t.from_numpy(a)
 b = t.Tensor(a)
 f  = b.numpy()

5.autograd
PyTorch在autograd模块中实现了计算图的相关功能，autograd中的核心数据结构时Variable。Variable封装了tensor，并记录对tensor的操作记录用来构建计算图。

data: 保存variable所包含的tensor
grad: 保存data对应的梯度，grad也是variable，而不是tensor，它与data形状一致。
grad_fn:指向一个Function,记录tensor的操作历史，即它是什么操作的输出，用来构建计算图。如果某一个变量是有用户创建的，则它为叶子节点，对应的grad_fn等于None.

非叶子节点grad计算完之后自动清空.那如何获取中间变量的梯度？

 t.autograd.grad(z,y)  #z对y的梯度，隐式调用backward()