接上篇 轴交换只能用transpose和permute 千万不能用view（）

（8）取值 tensor[1, 3]获取tensor中第一行第三列的值

       

       ​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​如果要取这个18  三维t4[1, 2, 1] 第二块 第三行第二列

       如果要取整个第一块  t4[0] 或者t4[0, :, :]

（9）赋值 tensor[1, 3]=100 对tensor中第一行第三列的位置进行赋值100

（10）tensor的切片

​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​

   x[:, 1] 取第二列的值   x[0, :]  取第一行的值

4.tensor的数据类型

 （1）获取tensor的数据类型：tensor.dtype

（2）创建数据的时候指定类型：torch.ones([2, 3], dtype=torch.float32)

（3）类型的修改 tensor.float()/long()/int()

tips:torch.Tensor和torch.tensor的区别

 1.全局(默认的数据类型)是torch.float32

 2.torch.Tensor()传入数字表示形状和torch.FloatTensor相同

 3.torch.Tensor传入可迭代对象表示数据，类型为模型的数据类型

 4.torch.tensor为创建tensor的方法

​​​​​​​​​​​​​​例 当torch.Tensor([1, 2])传入是一个列表时 表示的是一个tensor

     当torch.Tensor（1）只传入一个值的时候 表示的是一个形状 这时候的效果和torch.FloatTensor(1)一样 

5. tensor的其他操作

（1）tensor和tensor相加

x.add_(y) //就地修改 此时x的值已经修改为x+y

（2）CUDA中的tensor

CUDA(computer unified divice architecture)

torch.cuda这个模块增加了对CUDA tensor的支持，能够在cpu和gpu上使用相同的方法操作tensor

通过.to方法能够把一个tensor转移到另外一个设备（比如cpu转到gpu）

# device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

if torch.cuda.is_available():

        device = torch.device("cuda")              # cuda device对象

        y = torch.ones_like(x, device=device)  # 创建一个在cuda上的tensor

        x = x.to(device)                                     # 使用方法把x转化为cuda的tensor

        z = x + y                                                

        print(z)

        print(z.to("cpu", torch.double))             # .to方法也能够同时设置类型

例：

 至此入门操作告一段落 后续会继续记录nlp实战操作