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...

顺序容器。模块将按照在构造函数中传递的顺序添加到它。或者，也可以传入模块的有序字典。例：

异：permute函数可以对任意高维矩阵进行转置，但没有torch.permute()这个调用方式

在看过很多博客的时候发现了一个用法self.v = torch.nn.Parameter(torch.FloatTensor(hidden_size)),首先可以把这个函数理解为类型转换函数，将一个不可训练的类型Tensor转换成可以训练的类型parameter并将这个paramet...

在写 PyTorch 代码时，我们会发现在 torch.nn.xxx 和 torch.nn.functional.xxx 中有一些功能重复的操作，比如卷积、激活、池化。这些操作有什么不同？各有什么用处？...

>>> 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......

torch.unique(input, sorted=True, return_inverse=False, return_counts=False, dim=None)

torch.as_tensor(data, dtype=None,device=None)->Tensor : 为data生成tensor。

torch.mean(input) 输出input 各个元素的的均值，不指定任何参数就是所有元素的算术平均值，指定参数可以计算每一行或者 每一列的算术平均数

2) 查看当前使用的GPU序号：torch.cuda.current_device()