pytorch（python）中遇到的问题（一）pow() 函数、python矩阵的切片，append()与expand()，tensor.expand()和tensor.expand_as()

1、pow() 函数

pow() 方法返回 xy（x的y次方） 的值。

1. 语法
   以下是 math 模块 pow() 方法的语法:

import math
math.pow( x, y )

内置的 pow() 方法

pow(x, y[, z])函数是计算x的y次方，如果z在存在，则再对结果进行取模，其结果等效于pow(x,y) %z
参数
x -- 数值表达式。
y -- 数值表达式。
z -- 数值表达式。

注意：pow() 通过内置的方法直接调用，内置方法会把参数作为整型，而 math 模块则会把参数转换为 float。

import math   # 导入 math 模块
print "math.pow(100, 2) : ", math.pow(100, 2)
结果：math.pow(100, 2) :  10000.0
# 使用内置，查看输出结果区别
print "pow(100, 2) : ", pow(100, 2)
 结果：pow(100, 2) :  10000


print "math.pow(100, -2) : ", math.pow(100, -2)
print "math.pow(2, 4) : ", math.pow(2, 4)
print "math.pow(3, 0) : ", math.pow(3, 0)
以上实例运行后输出结果为：
math.pow(100, -2) :  0.0001
math.pow(2, 4) :  16.0
math.pow(3, 0) :  1.0

说明：
1 pow(x,y) 等价于 x**y:

4**2    # 结果为16

4**2.5  # 结果为32.0

 pow(x,y,z) 等价于 X**Y%Z:

 4**2.5%3  # 结果为2.0

2.pow(x,y,z) 当 z 这个参数不存在时 x,y 不限制是否为 float 类型, 而当使用第三个参数的时候要保证前两个参数只能为整数

 pow(11.2,3.2)
结果为：2277.7060352240815
pow(11.2,3.2,2)   # 结果报错
Traceback (most recent call last):
  File "", line 1, in 
TypeError: pow() 3rd argument not allowed unless all arguments are integers

2.python矩阵的切片（或截取）

矩阵一般有行也有列，所以矩阵的截取也需要包含行和列两个参数。
　　假设a是一个矩阵，a的截取就可写成：a[起始行:终止行,起始列:终止列]，中括号中有一个逗号，逗号前的是为了分割行的，逗号后的是为了分割列的。例如：

a1=np.array([[1,2,3,4],[5,6,7,8],[11,12,13,14],[2,3,4,5]])
import numpy as np
a1=np.array([[1,2,3,4],[5,6,7,8],[11,12,13,14],[2,3,4,5]])
print('截取矩阵第二三行，第二、三列：\n',a1[1:3,1:3])
　　结果为：
截取矩阵第二三行，第二、三列：
 [[ 6  7]
 [12 13]]

如果只分割行，不分隔列，可写为:a[1:3],分割列的部分可以省略，代码如下：

print('截取矩阵第二三行:\n',a1[1:3])
 打印结果如下：
截取矩阵第二三行:
 [[ 5  6  7  8]
 [11 12 13 14]]

如果只分割列，不分隔行，可写为：a[:,1:3],分割行的部分不可以省略，代码如下：

print('截取矩阵第二三列:\n',a1[:,1:3])
 打印结果如下：
 截取矩阵第二三列:
 [[ 2  3]
 [ 6  7]
 [12 13]
 [ 3  4]]

如果只分割某一行，可写为： a [2] (截取第三行)

print('截取矩阵第三行:\n',a1[2])
打印结果：
截取矩阵第三行:
 [11 12 13 14]

如果分割某一列，可写为：a [:,2] (截取所有行的第三列)(逗号前边用于截取行的冒号不可省略)，其结果是将所有行的第三个数拼接成一个列表

print('截取矩阵第三行:\n',a1[:,2]) 
打印结果：
截取矩阵所有行第三列:
 [ 3  7 13  4]

如果分割某行某列，可写为：a[2,2]（截取第三行的第三列）

print('截取矩阵第三行第三列:\n',a1[2,2])
打印结果：
截取矩阵第三行第三列:

3.Python.append()与Python.expand()

a=[1,2]
print(a)
结果：[1, 2]
a.append([3,4])
print(a)
结果为：[1, 2, [3, 4]]
a.extend([3,4]) 
print(a)
结果为：[1, 2, 3, 4]

list.append(arg1) 参数类型任意，可以往已有列表中添加元素，若添加的是列表，就该列表被当成一个元素存在原列表中，只使list长度增加1.
list.extend(list1) 参数必须是列表类型，可以将参数中的列表合并到原列表的末尾，使原来的 list长度增加len(list1)。

4.tensor.expand()和tensor.expand_as()和expand() .gt() .t()

1. tensor.expend()函数

 x = torch.Tensor([[1], [2], [3]])
 print "x.size():",x.size()
     
 y=x.expand( 3,4 )
     
 print "x.size():",x.size()
 print "y.size():",y.size()
     
 print x
 print y

可以看出expand()函数括号里面为变形后的size大小，而且原来的tensor和tensor.expand()是不共享内存的

2. tensor.expand_as()
   把一个tensor变成和函数括号内一样形状的tensor，用法与expand（）类似

x = torch.tensor([[1], [2], [3]])
>>> x.size()
torch.Size([3, 1])
>>> x.expand(3, 4)
tensor([[ 1,  1,  1,  1],
        [ 2,  2,  2,  2],
        [ 3,  3,  3,  3]])
>>> x.expand(-1, 4)   # -1 means not changing the size of that dimension
tensor([[ 1,  1,  1,  1],
        [ 2,  2,  2,  2],
        [ 3,  3,  3,  3]])

3. expand() .gt() .t()
   .gt(a, b)
   比较前者张量是否大于后者

a = torch.Tensor([[1,2],[3,4]])
b = torch.Tensor([[1,2], [5,6]])
gt = torch.gt(a, b)
print(gt)

.t() 代表转置操作

参考：https://www.runoob.com/python/func-number-pow.html
https://www.cnblogs.com/jff1124/p/10623599.html
https://blog.csdn.net/sdd220/article/details/78315648
https://blog.csdn.net/u014386899/article/details/100767325