Pytorch实战——学习笔记（一）

Pytorch基础语法记录

1.dim、size、shape的区别：link1,link2,tensorflow中张量维度—Shape参数理解
-dim=0的标量
当Tensor的维度为0时，其表现为标量形式，此类数据常用于如Loss等场景。例如，以下代码定义了一个标量：a = torch.tensor(1.6)。创建标量的方式较为简单，只需在tensor函数中传入一个具体的数值作为初始化参数即可。需要注意的是，torch.Tensor()是PyTorch库中的一个类，它是默认张量类型torch.FloatTensor()的别名。此外，torch.tensor()接收的是具体的数据值，而torch.Tensor()既可以接受数据值，也可以接受表示维度信息的参数即shape。
-dim=1的张量
当Tensor的维度为1时，通常应用于Bais等场景或神经网络线性层的输入部分，例如在MINST数据集中的一张图片可以使用shape=[784]的Tensor进行表示。

dim=1意味着该张量仅包含一个维度，但该维度下可包含多个元素（类似于一维数组）。实现一维张量的方式多种多样，以下是三种常见的实现方法：

    def printMsg(k):
    	"""输出Tensor的信息,维度,shape"""