Python NLP 基础常见code 技巧
向量相关：
1.根据步长创建一维tensor的几个方法
pytorch每日一学20(torch.arange()、torch.range()、torch.linespace()、torch.logspace())根据步长创造一维tensor_Fluid_ray的博客-CSDN博客_torch。arange
pytorch.range() 和 pytorch.arange() 的区别_Who is abc的博客-CSDN博客_torch.arrange
torch.arange(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor
torch.range(start=0, end, step=1, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor
torch.linspace(start, end, steps, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor
torch.logspace(start, end, steps, base=10.0, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor
参数解释：
start：创建的tensor元素的起始值（不一定一定第一个元素就是start），默认为0。
end：创建tensor中元素的末尾值（不一定最后一个值一定取到end，得看具体哪个方法和值）
step：指定从开始到结尾取数时每次增加多少，默认为1.
out：表明创建后tensor赋予哪个变量。
dtype：指定tensor中数据元素的类型，如果为None，取默认值，默认值可由torch.set_default_tensor_type()来改变，以前讲过这个方法。
layout：返回tensor的布局，默认为torch.strided。
device：生成tensor所处的设备，可以为cpu或者cuda。
requires_grad：指定返回tensor需不需要梯度，默认为False。
重要区别：
torch.range(start=1, end=6)的结果是会包含end的，
而torch.arange(start=1, end=6)的结果并不包含end。- 两者创建的
tensor的类型也不一样。
2.数据维度缩放
PyTorch学习笔记——常用函数总结（一）のtorch.squeeze()和Tensor常见创建方法_Yale曼陀罗的博客-CSDN博客_torch计算向量模长
(1) torch.squeeze(input, dim=None, out=None)
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。b=torch.squeeze(a，N) 就是将a中所有为1的维度删掉，不为1的维度没有影响。
参数说明：
input (Tensor):
输入张量（the input tensor.）
dim (int, optional):
将输入Tensor的第dim个维度位置进行压缩，如果输入Tensor此处维度为1则压缩成功，否则失败。如果该参数给定，
则输入张量将仅在该维度上压缩（if given, the input will be squeezed only in this dimension.），如果该参数不给定，则默认将输入Tensor所有维度为1的进行压缩。
参数dim的取值范围为：[-input.dim(), input.dim()-1] 。
(2) torch.unsqueeze(input, dim)函数详解：
在tensor的某个维度上添加一个维数为1的维度，这个功能用view()函数也可以实现。
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.unsqueeze(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.unsqueeze(a，N) a就是在a中指定位置N加上一个维数为1的维度。
这一功能尤其在神经网络输入单个样本时很有用，由于pytorch神经网络要求的输入都是mini-batch型的，维度为[batch_size, channels, w, h]，而一个样本的维度为[c, w, h]，此时用unsqueeze()增加一个维度变为[1, c, w, h]就很方便了。
参数说明：
input (Tensor)：输入张量（the input tensor.）
dim (int)：插入维数为一的维度的位置（the index at which to insert the singleton dimension.）参数dim的取值范围为：[-input.dim() - 1, input.dim() + 1)
函数创建相关：
-
参数&关键字参数kward argument
[python]4.7.2. Keyword Arguments_竹二木的博客-CSDN博客