方法一(推荐)：第一种方法也是官方推荐的方法，只保存和恢复模型中的参数。保存 torch.save(the_model.state_dict(), PATH)恢复the_model = TheModelClass(*args, **kwargs)the_model.load_state_dict(torch.lo.....
y = torch.Tensor(2,2):copy(x) --- 修改y并不改变原来的x
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......
这里直接给出理解方式，输出的这个out应该这样去读：这个例子里input是2维的，一共有4个非0元素，所以输出是一个4×2的张量，表示每个非0元素的索引。读法是从左往右，比如out的第0行[0,0]，表示的就是input的第0行的第0个元素是非...
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：
PyTorch中的torch.linspace linspace是linear space的缩写，中文含义是线性等分向量原函数torch.linspace(start, end, steps=100, out=None, dtype=None,layout=torch.strided, device=None, req......
