basktball_poet的博客

在NumPy、PyTorch等数组和张量处理库中，如[:, 0::2] 是一种切片（slicing）语法，用于选择数组或张量的子集。这里的 : 和 0::2 分别表示对行和列的切片操作。[:, 0::2]:：这是一个省略的切片表示，它意味着选择所有。0::2：这是一个步长为2的切片操作，从索引0开始。具体来说，start:stop:step 表示从 start 索引开始，到 stop 索引之前结束（不包括 stop），每隔 step 个元素取一 个。

torch.reshape() 是 PyTorch 中用于改变张量形状的函数。它返回一个新张量，其数据与输入张量相同，但具有指定的形状。如果可能，该函数将返回输入张量的视图（即不复制数据），但如果无法返回视图，则会返回数据的副本。改变形状时，元素不能变。

（1）F.pad 是 PyTorch 中 torch.nn.functional 模块（通常通过别名 F 导入）的一个函数，用于在输入张量的边界上填充值。这在处理图像、序列数据或其他需要特定尺寸输入的神经网络模型时非常有用。（2）函数形式：torch.nn.functional.pad(input, pad, mode='constant', value=0)（3）pad (Sequence[int, tuple[int, int], list[int, int]]): 定义在每个维度上填充大小的序列。

在PyTorch中，torch.cat()函数用于将多个张量（tensors）连接在一起。这个函数接受一个张量序列（通常是一个列表或元组）和一个维度参数dim，并将所有张量沿着指定的维度进行连接。沿着维度0连接，按照行连接沿着维度1连接，按照每列连接，把所有列连接成一行。