dtype张量数据类型shape张量维度torch.where(条件tensor, 条件为true的tensor, 条件为false的tensor)原地修改2.1.1 创建tensor加一个场景, 取出tensor里面的数据, 使用.item()方法print(x[0, 0]) # 输出的是一个tensor tensor([0])print(x[0, 0] == 0) # 输出的还是一个tenso

这个按不同的维度sum和mean还有小坑,之所以称之为是降维操作, 原来是2维, 降低为了1维, 所以想要实现按行归一化和按列归一化, 要多一步操作。是一个表格型的数据结构，你可以把它想象成 Excel 表格。每一列（Series）都有自己的数据类型。:可以求加权, 也可以用作单位向量之间的夹角的余弦。torch.dot()是一定只能使用在。这也是必须使用在矩阵和向量之间, 并且。是完全一样的运算