《动手学深度学习》笔记

关于张量shape在sum（）函数中axis值的理解

axis=0 相当于将行压缩拍扁（按列求和） 于是一个shape[5,4] 就会变成[ ,4]

axis=1 相当于将列压缩拍扁（按行求和） 于是一个shape[5,4] 就会变成[ 5,]

当一个shape[2,5,4]执行axis=1时，相当于将第1维的5去掉，得到shape[2,4]

当一个shape[2,5,4]执行axis=2时，相当于将第2维的4去掉，得到shape[2,5]

当一个shape[2,5,4]同时执行axis=1和2时，相当于将第1、2维去掉，得到shape[2]

（总结归纳：axis=n，即将第n维去掉,注意：n是从0开始计算的）

 

关于pytorch中读写文件

当我们加载和保存张量时，我们可以写⼊或读取从字符串映射到张量的字典，这对于我们有需要读取或写⼊模型中的所有权重时相当⽅便。

例如：

mydict = {'x': x, 'y': y}

torch.save(mydict, 'mydict')

mydict2 = torch.load('mydict')

pirnt(mydict2)

结果：

{'x': tensor([0, 1, 2, 3]), 'y': tensor([0., 0., 0., 0.])}