Pytorch：Tensor 张量操作
张量操作
一、张量的拼接与切分
1.1 torch.cat()
功能：将张量按维度dim进行拼接
tensors：张量序列
dim：要拼接的维度
1.2 torch.stack()
功能：在新创建的维度的上进行拼接
tensors：张量序列
dim：要拼接的维度（如果dim为新的维度，则新增一个维度进行拼接，新维度只能高一维）
1.3 torch.chunk()
功能：将张量按维度进行平均切分
返回值：张量列表
注意事项：若不能整除，最后一份小于其他张量；整除时令商为向上取整的数，如7/3=2.333，取整为3
input：要切分的张量
chunks：要切分的份数
dim：要切分的维度
1.4 torch.split()
功能：将张量按维度进行平均切分
返回值：张量列表
input：要切分的张量
split_size_or_sections：为int时，表示每一份的长度；为list时，按list元素切分（注意list的各元素之和需等于维度上的长度）
dim：要切分的维度
二、张量索引
2.1 torch.index_select()
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
input：要索引的张量
dim：要索引的维度
index：要索引数据的序号（注意index的数据类型要为torch.long，float会报错）
2.2 torch.masked_select()
功能：按mask中的True进行索引
返回值：一维张量
input：要索引的张量
mask：与input同形状的布尔类型张量（mask的生成可以通过比较大小关系得出，le为小于等于，详见图英文注释）
三、张量变换
3.1 torch.reshape()
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
input：要变换的张量
size：新张量的形状（形状中若有-1，则该处的值有其他维数及总数来计算得出）
3.2 torch.transpose()
功能：交换两个张量的维度
input：要交换的张量
dim0：要交换的维度
dim1：要交换的维度
3.3 torch.t()
功能：2维张量转置，对矩阵而言，等价于torch.transpose(input,0,1)
3.4 torch.squeeze()
功能：压缩长度为1的维度（轴）
dim：若为None，移除所有长度为1的轴；如果指定维度，当且仅当该轴长度为1时，可以被移除
3.5 torch.unsqueeze()
功能：依据dim扩展维度
dim：扩展的维度
三、张量数学运算
主要可分为三类：
1.加减乘除 2. 对数、指数、幂函数 3.三角函数
其中加法比较特殊
torch.add()
功能：逐元素计算该式 input+alpha*other（为了简便于梯度下降的运算）
input：第一个张量
alpha：乘项因子
other：第二个张量
另外的拓展还有
