[人工智能]PyTorch相关函数学习总结（1）

（1）torch.where按照一定的规则合并两个tensor

参考博客torch.where()函数解读_wang xiang的博客-CSDN博客_torch.where()

a=torch.randn(3,4)
b=torch.where(a>0.5,torch.ones_like(a,dtype=torch.float32),
                           torch.zeros_like(a,dtype=torch.float32))
print(a)
print(b)

结果：

tensor([[-0.6641, -0.0887,? 1.1933, -1.0697],
??????? [-1.1706, -0.5115, -0.4221,? 0.6041],
??????? [-0.7595,? 0.9305,? 0.2127, -1.3725]])
tensor([[0., 0., 1., 0.],
??????? [0., 0., 0., 1.],
??????? [0., 1., 0., 0.]])

这个有点像C语言中的？：表达式，如果前面的条件成立就是选择分号前面的值否则选择分号后面的值。

（2）TensorDataset

参考链接PyTorch 小功能之 TensorDataset_TBTB的博客-CSDN博客_tensordataset

该类中的tensor第一个维度必须相等

目前对这个的理解就是说打包的两个tensor就把特征和标签对应起来了

通过线性回归的数据进行举例：

n=400

X=10*torch.rand([n,2])-5.0  #n*2
w0=torch.tensor([[2.0],[-3.0]])
b0=torch.tensor([[10.0]])
Y=X@w0+b0+torch.normal(0.0,2.0,size=[n,1])

ds=TensorDataset(X,Y)#第一维度需要一样
print(ds[0])

这里就把自变量和对应的函数值对应起来了

（3）random_split用来划分数据集

参考博客：

https://blog.csdn.net/qq_42951560/article/details/115445317

data_train,data_valid=torch.utils.data.random_split(data,[int(len(data)*0.7),int(len(data)*0.3)])

这个7：3划分数据集

(4)torch.squeeze

参考链接：torch.unsqueeze() 和 torch.squeeze() - 知乎

torch.squeeze用来降维，可以在指定维度上进行降维，只能去掉维度是1的地方

(5)index_select

参考博客：pytorch中index_select()的用法_g_blink的博客-CSDN博客_torch.index_select

其中有三个参数分别对应 tensor，维度，索引