new_tensor(data, dtype=None, device=None, requires_grad=False) → Tensor

首先如果按照 start_dim 和 end_dim 的默认值，那么这个函数会把 input 推平成一个 shape 为 [n][n] 的tensor，其中 nn 即 input 中元素个数。

x1 ,y1 = torch.meshgrid(x,y) 参数是两个，第一个参数我们假设是x，第二个参数假设就是y 输出的是两个tensor，size就是x.size * y.size（行数是x的个数，列数是y的个数） 具体输出看下面...

>>> y=torch.range(1,6)>>> ytensor([1., 2., 3., 4., 5., 6.])>>> y.dtypetorch.float32>>> z=torch.arange(1,6)>>> ztensor([1, 2, 3, 4, 5])>>> z.dtypetorch.int64总结：t......

说明：移除指定维后，返回一个元组，包含了沿着指定维切片后的各个切片。参数：tensor(Tensor) -- 输入张量dim(int) -- 删除的维度>>> x = torch.randn(3, 3)>>> xtensor([[ 0.4775, 0.0161, -0.9403], [ .....

Any operation that mutates a tensor in-place is post-fixed with an . For example: x.copy(y), x.t_(), will change x.

沿给定dim维度返回输入张量input中 k 个最大值。 如果不指定dim，则默认为input的最后一维。 如果为largest为 False ，则返回最小的 k 个值。

将输入input张量每个元素的范围限制到区间 [min,max]，返回结果到一个新张量。

类型转换, 将list ,numpy转化为tensor。 以list -> tensor为例：

不能进行梯度计算的上下文管理器。当你确定你不调用Tensor.backward()时，不能计算梯度对测试来讲非常有用。对计算它将减少内存消耗，否则requires_grad=True。在这个模式下，每个计算结果都需要使得requires_grad=False，即...