（1）torch.linspace（(start, end, steps=100，dtype=None）
返回一个一维的tensor
start：开始值；
end：结束值；
steps：分割的点数，默认是100；
dtype：返回值（张量）的数据类型；
例子：
torch.linspace(3,10,5)
tensor([ 3.0000, 4.7500, 6.5000, 8.2500, 10.0000])
（2）torch.repeat(n,n,n,)
n是该维度复制多少次
1.n的个数与a维度相同，对应维度复制n次
a = torch.tensor([[1, 2, 3],
[1, 2, 3]])
b = a.repeat(2, 2)
print(b.shape)
2.n的个数超过a的维度数
将a在前扩充维度，对应为1，在进行对应复制。
# a形状(2,3)
a = torch.tensor([[1, 2, 3],
[1, 2, 3]])
# repeat参数比维度多，在扩展前先讲a的形状扩展为(1,2,3)然后复制
b = a.repeat(1, 2, 1)
print(b.shape) # 得到结果torch.Size([1, 4, 3])
(3)切片
[a🅱?c]
a为起始位（从0开始排序）
b为结束位（b取不到；b是负数，表示从后往前数，最后一位是-1）
c是步长（正数从前往后，负数从后往前）
[…，a]
表示取最里层的第a个元素，其他维度正常
这样赋值后，比原来的少一个维度；
如果取多个数据如：[…,:a]则维度不变
[a,…]
表示取第一个维度的第a个元素，其他同上；
（4）torch.index_select(input, dim, index, out=None)
input(Tensor)：表示被选择的tensor
dim(int)：表示是在哪个维度做选择。为1表示，在列上做选择。为0表示在行上做选择。
index(LongTensor)：表示需要选择出的行或者列。 它是一个数组为Long形的tensor。
参数out(Tensor, optional)：表示的输出到到哪个tensor上去，该参数可选。
x为输入；tensor（x有两个维度，（3，4）分别对应0，1维度）
1为选择第1个维度索引；数字
indices为在该维度上索引哪个位置的；一个数组为Long形的tensor
