DL代码能力提升2

a.chunk（k）

对张量a进行成k块，但如果指定轴的元素个数被chunks除不尽，最后一块的元素个数会少。

input = torch.randint(0, 8, (5,), dtype=torch.int64)
weights = torch.linspace(0, 1, steps=5)
input, weights
(tensor([4, 3, 6, 3, 4]),
 tensor([ 0.0000,  0.2500,  0.5000,  0.7500,  1.0000])

torch.bincount(input)
tensor([0, 0, 0, 2, 2, 0, 1])
input.bincount(weights)
tensor([0.0000, 0.0000, 0.0000, 1.0000, 1.0000, 0.0000, 0.5000])

.item()的用法

.item()用于在只包含一个元素的tensor中提取值，注意是只包含一个元素，否则的话使用.tolist()

x = torch.tensor([1])
print(x.item())
y = torch.tensor([2,3,4,5])
print(y.item())
# 输出结果如下
1
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-16-e884e6ada778> in <module>
      2 print(x.item())
      3 y = torch.tensor([2,3,4,5])
----> 4 print(y.item())

ValueError: only one element tensors can be converted to Python scalars

torch.clamp(input, min, max, out=None)

作用：限幅。将input的值限制在[min, max]之间，并返回结果。out (Tensor, optional) – 输出张量，一般用不到该参数。

import torch
 
a = torch.arange(9).reshape(3, 3)   # 创建3*3的tensor
b = torch.clamp(a, 3, 6)     # 对a的值进行限幅，限制在[3, 6]
print('a:', a)
print('shape of a:', a.shape)
print('b:', b)
print('shape of b:', b.shape)
 
 
'''   输出结果   '''
a: tensor([[0, 1, 2],
           [3, 4, 5],
           [6, 7, 8]])
shape of a: torch.Size([3, 3])
 
b: tensor([[3, 3, 3],
           [3, 4, 5],
           [6, 6, 6]])
shape of b: torch.Size([3, 3])

判断列表为空

 list_temp = []
 if len(list_temp):
     # 存在值即为真
 else:
     # list_temp是空的

 list_temp = []
 if list_temp:
     # 存在值即为真
 else:
     # list_temp是空的

第二种优于第一种！