pytorch(2)——张量操作与线性回归

一、张量的操作
1）拼接

功能：将张量按维度dim进行拼接
tensors:张量序列
代码如下：

功能：在新创建的维度dim进行拼接
代码如下：

2）切分

功能：将张量按维度dim进行平均切分
返回值：张量列表
注意事项：若不能整除，最后一份张量小于其他张量
input：要切分的张量
chunks：要切分的份数
dim：要切分的维度
代码如下


功能：将张量按维度dim进行切分
返回值：张量列表
split_siaze_or_sections：为int时，表示每一份长度；为list时，按list元素切分
代码如下

3）索引

功能：在维度dim上，按index索引数据
返回值：依index索引数据拼接的张量
代码如下：


功能：按mask中的Ture进行索引，通常来筛选数据
返回值：一维张量
mask：与input同形状的布尔类型张量
代码如下：

4）变换

功能：变换张量形状
注意事项：当张量在内存中是连续时，新张量与input共享数据内存
shape:新张量的形状
代码如下：


功能：变换张量的两个维度
dim0、dim1：要变换的维度
代码如下：

功能：2维张量转置，对矩阵而言，等价于torch.transpose(input,0,1)

功能：压缩长度为1的维度
dim：若为None,移除所有长度为1的轴；若指定维度，当前仅当该轴长度为1时，可以被移除
代码如下：

功能：依据dim扩展维度
二、张量的数学运算

功能：逐元素计算input+alphaother
代码如下：

pythonic：在优化时经常用到
torch.addcdiv() out=input+valuetensor1/tensor2
torch.addcmul() out=input+valuetensor1tensor2
三、线性回归
线性回归是分析一个变量与另一（多）个变量之间关系的方法
y=wx+b
分析：求解w,b
步骤：1、确定模型：y=wx+b
2、选择损失函数：MSE

3、求解梯度并更新w,b
w=w-LRW.grad
b=b-LRb,grad