pytorch 梳理

unsqueeze增加维度，unsqueeze(1)在第二维增加一个维度。 squeeze压缩维度，只有目标维度大小唯一时可压缩
m.expand（args） 扩展维度 args后几维必须与m的维度一致， 前面剩余参数 从右至左 依次复制增加到目标维度
tensor.repeat( size) : size参数从左往右 复制扩展成对应份 包裹当前维，再依次处理外维

ts.masked_fill_(mask,value)：在 mask 值为1/true 的地方， 用value填充。注意ts与mask尺寸相同

nn.Model

# 如何查看模型参数，3种方式
model.state_dict()
for name, param in model.named_parameters():
for param in model.parameters():

nn.Softmax(dim)：进行归一化的维度，-1选取最后一维
word_embedding：通过所给词典计算每个词的独特向量（nn.Embedding(词典长度 ,维度)，均值为0 ， 方差为1）在后续计算中都会被缓存，除非重新生成nn.Embedding

.matmul(t1 , t2)：返回 t1* t2转置

sh run.sh IP:nums
gpus：使用哪几张GPU卡
num_nodes：使用哪几台机器
world_size= expr $num_gpus *$num_nodes 总共多少张卡
当num_nodes不为1时
需要手动启动 num_nodes 台机器，
如： sh run.sh IP 0 sh run.sh 1 , 启动完后会自动计算 world_size 是否符合设置，否则超时报错

DDP模式：多机（由Python GIL：全局解释器锁原理，每台机器一个进程）多卡，不同机器间：ring-reduce后向计算
DP：多卡下，一个master卡，汇总并计算其它卡的数据（DDP下num_nodes=1 实际效果等同DP）