卷積神經網絡可以認為是將輸入張量序列seq在給定的維度上連接起來。
全連接層
Torch.cat()可以看作是torch.split()和torch.chunk()的逆運算。
torch.chunk(tensor，chunks，dim)->& gt張量
沿給定維度分塊張量
torch.gather(input，dim，index，out=None，sparse_grad=Flase，out = None)-& gt；張量
流行的解釋是替換指定索引dim的下標。
torch.index_select(input，dim，index，out = None)-& gt；& gt張量
torch.masked_select(input，mask，out = None)-& gt；& gt張量
根據掩碼輸出壹個壹維張量。
torch.split(tensor，split_size，dim = 0)-& gt；& gt張量
如果是可分的，張量就沿著指定的維數和指定的大小進行劃分，直到大小不夠為止。
torch.t(input，out = None)-& gt；張量
張量換位相當於
torch.transpose(輸入，o，1)
torch.bernoulli(輸入，輸出=無)
從伯努利分布中抽取二進制隨機數(0或1)，其中伯努利概率P是隨機的。
輸入張量值需要是壹個概率。
torch.multinomial(input，num_samples，replacement=Flase，out = None)-& gt；& gt龍騰傳感器
從輸入張量的每壹行取num_samples，可以設置替換設置是否重復。
返回值的下標。
torch.normal(均值、標準差、輸出)-& gt；& gt張量
根據指定的均值和方差選擇樣本，均值的個數決定樣本的個數。
如果均值和方差都是張量，那麽兩個張量元素的個數壹定相等。
torch.abs(input，out)-& gt；張量輸出張量元素絕對值
Torch.acos(input，out)求反余弦。
Torch.add(input，value，out)對每個張量元素逐壹賦值。
Torch.addcdiv(張量，值= 1，張量1，張量2)張量(張量1/張量2) *值+張量。
Torch.addmul乘法和加法
Torch.ceil(輸入，輸出)向上取整。
torch.clamp(輸入，最小值，最大值，輸出=無)
將元件調整到[最小，最大]間隔。
Divide torch.div(輸入，值)
Torch.exp(張量，輸出)索引
Torch.floor(輸入，輸出)向下舍入。
Torch.fmod(輸入，除數，輸出)取余數。
火炬. frac分數部分
torch.lerp(開始、結束、重量、輸出=無)
線性插值:輸出=開始+權重*(結束-開始)
Torch.log取自然對數。
torch.mul(輸入，值，輸出=無)
Torch.mul(input，other，out=None)哈達瑪乘積
Torch.neg采用復數。
火炬。pow (input，exponent，out = none)求冪。
火炬。遞歸(input，out = none) →張量進行倒計數。
火炬。余數(輸入，除數，輸出=無)→張量取余數。
火炬。rsqrt (input，out = none) →張量平方根的倒數。
Torch.sigmoid (input，out = none) → Tensorsigmoid值。
Torch.sigmoid (input，out = none) →張量符號函數
火炬。cumprod (input，dim，out = none) →張量按照指定的維數累加。
Torch.cumsum (input，dim，out = none) → tensor指定維度累加。
火炬。dist (input，other，p = 2，out = none) →張量求p範數。
火炬平均值(輸入)→浮動平均值
Torch.mean (input，dim，out = none) → Tensor指定維度平均值。
torch.median(input，dim=-1，values=None，indexes = None)-& gt；(Tensor，LongTensor)指定尺寸的中間值。
torch.mode(input，dim=-1，values=None，indexes = None)-& gt；(張量，長張量)模式
Torch.norm (input，p，dim，out = none) → tensor指定維數p norm。
火炬。生產(輸入)→浮動的所有產品
Torch.prod (input，dim，out = none) → Tensor指定維度乘積。
Torch.std (input，dim，out = none) →張量標準差。
Torch.sum (input，dim，out = none) →按維度張量求和。
Torch.sum(輸入)→ float所有元素的float
按行變化方差，所有元素的方差
Torch.eq (input，other，out = none) →張量等式比較運算返回01。
火炬。equal (tensor1，tensor2) → bool張量比較形狀和值，返回bool。
Torch.ge (input，other，out = none) →張量大於。
Torch.gt (input，other，out = none) → Tensor類似等於，返回不同。
torch.kthvalue(input，k，dim=None，out = None)-& gt；(Tensor，LongTensor)取指定維度的最小值。
Torch.le (input，other，out = none) →張量小於或等於。
Torch.lt (input，other，out = none) →張量小於
torch.max(input，dim，max=None，max _ indexes = None)-& gt；(Tensor，LongTensor)返回指定維度的最大值和索引。