一、张量的操作：拼接、切分、索引和变换
1、拼接
（1）torch.cat() 功能：将张量按照维度dim进行拼接（不会扩张）
-
- tensors：张量序列
- dim：要拼接的维度
（2）torch.stack() 功能：在新创建的维度dim上进行拼接（会扩张张量的维度）
-
- tensors：张量序列
- dim：要拼接的维度
（3）torch.chunk() 功能：将张量按维度dim进行平均切分 返回值：张量列表
注意：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
（4）torch.split() 功能：切分
-
- tensor：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
- dim：要切分的维度
2、索引
（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
-
- index：要索引的张量
- dim：要索引的维度
- index：要索引数据序号
（2）torch.masked_select() 功能：按mask中的True进行索引 返回值：一维张量 通常用于筛选数据
-
- input：要索引的张量
- mask：与input同形状的布尔类型张量
3、张量变换
（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
- shape：新张量的形状
（2）torch.transpose() 功能：交换张量的两个维度
-
- input：要交换的张量
- dim0：要交换的维度
- dim1：要交换的维度
（3）torch.t() 功能：2维张量转置，对矩阵而言，等价于torch.transpose(input, 0 , 1)
（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；若指定维度，当且仅当该轴长度为1时，可以被移除；
（5）torch.unsqueeze() 功能：依据dim扩展维度
-
- dim：扩展的维度
二、张量的数学运算
1、加减乘除
2、对数、指数、幂函数
3、三角函数
（1）torch.add() 功能：逐元素计算 input + alpha * other
-
- input：第一个张量
- alpha：乘项因子
- other：第二个张量
pythonic:
（2）torch.addcdiv()
（3）torch.addcmul()
三、线性回归
线性回归是分析一个变量与另一个变量之间关系的方法
因变量：y 自变量：x 关系：线性
y = wx + b
分析：求解w,b
求解步骤：
1、确定模型
Model： y = wx + b
2、选择损失函数
MSE:1/mΣ(yi - yiˆ)2
3、求解梯度并更新w，b
w = w - LR * w.grad
b = b - LR * w.grad
原文地址：https://www.cnblogs.com/cola-1998/p/11679380.html