1.torch.arange()生成一个一维张量
x=torch.arange(12,dtype=torch.float32)
tensor([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9., 10., 11.])
2.shape 可以返回一个tensor的维度
x.shape
torch.Size([12])
3.reshape 改变一个tensor的维度
x=x.reshape((2,6))
tensor([[ 0., 1., 2., 3., 4., 5.],
[ 6., 7., 8., 9., 10., 11.]])
4.sum()对张量中的所有元素进行求和，返回一个具有一个元素的张量
sum=x.sum()
tensor(66.)
5.torch.zeros() 生成一个全为0的tensor
6.torch.cat(x,y,dim=0) 将两个张量的维度叠加
x=torch.zeros((2,3))
y=torch.ones((2,4))
out=torch.cat((x,y),dim=1)
tensor([[0., 0., 0., 1., 1., 1., 1.],
[0., 0., 0., 1., 1., 1., 1.]])
#dim=1是在列上的维度进行叠加，dim=0实在行上的维度进行叠加
6.广播机制 就比如一一个维度为(1,2)的张量与(2,1)的张量相加 会变成（2,2）维度的
x=torch.arange(2)
y=torch.arange(2).reshape(2,1)
z=x+y
tensor([[0, 1],
[1, 2]])
