补充知识：pytorch中squeeze()、unsqueeze(),以及一些高维数组操作

在利用torch.max函数和F.Ssoftmax函数时，对应该设置什么维度，总是有点懵，遂总结一下：

说明： 比较元素是否相等，第二个参数可以是一个数，或者是第一个参数同类型形状的张量

https://www.zhihu.com/question/294679135/answer/885285177

其中 ToTensor 操作会将 PIL.Image 或形状为 H×W×D，数值范围为 [0, 255] 的 np.ndarray 转换为形状为 D×H×W，数值范围为 [0.0, 1.0] 的 torch.Tensor。

首先要知道上面提到的这些函数一部分是来自于torch.nn,而另一部分则来自于torch.nn.functional(常缩写为F）。二者函数的区别可参见 知乎:torch.nn和funtional函数区别是什么？...

把张量分割成指定数量的块，每个块是输入张量的view 最后一个块如果张量沿着指定的维度不可分割成指定形状的块，那么最后一个块形状更小 参数

张量 标量：0维张量 向量：1维张量 矩阵：2维张量 张量：一个多维数组，标量、向量、矩阵的高维扩展 Tensor

一般情况下，如果expand和repeat都能得到目标矩阵，则在不更改目标矩阵元素(只读用法）时使用expand, 其他情况时使用repeat.

常用的norm有L1-norm，L2-norm即L1，L2范数。那么问题来了，什么是范数？