PyTorch是一個基於Python的科學包，用於使用一種稱為張量的特殊數據類型執行高級操作。 雖然也有其他方式可以實現相同的效果，但今天分享的這5個操作更加方便高效，值得一試。
什麼是張量？
張量是具有規則形狀和相同數據類型的數字、向量、矩陣或多維數組。
張量是屬於線性代數里的知識點，線性代數是用虛擬數字世界表示真實物理世界的工具。
點——標量（scalar）；線——向量（vector）；面——矩陣（matrix）；體——張量（tensor）；
一個張量就是一個可以容納N維數據及其線性操作的容器。
Pytorch中的張量操作
今天分享的5個操作分別是：expand()、permute()、tolist()、narrow()、where()。
1. expand()
將現有張量沿著值為1的維度擴展到新的維度。張量可以同時沿著任意一維或多維展開。如果你不想沿著一個特定的維度展開張量，你可以設置它的參數值為-1。
在這個例子中，張量的原始維數是[1,2,3]。它被擴展到[2,2,3]。
2. permute()
這個函數返回一個張量的視圖，原始張量的維數根據我們的選擇而改變。例如，如果原來的維數是[1,2,3]，我們可以將它改為[3,2,1]。該函數以所需的維數順序作為參數。
在這個例子中，原始張量的維度是[1,2,3]。使用permuting，我將順序設置為(2,1,0)，這意味著新的維度應該是[3,2,1]。如圖所示，張量的新視圖重新排列了數字，使得張量的維度為[3,2,1]。
當我們想要對不同維數的張量進行重新排序，或者用不同階數的矩陣進行矩陣乘法時，可以使用這個函數。
3. tolist()
這個函數以Python數字、列表或嵌套列表的形式返回張量。在此之後，我們可以對它執行任何python邏輯和操作。
在這個例子中，張量以嵌套列表的形式返回。
4. narrow()
這個函數返回一個新的張量，這個張量是原來張量的縮小版。這個函數的參數是輸入張量、要縮小的維數、起始索引和新張量沿該維數的長度。它返回從索引start到索引(start+length-1)中的元素。
在這個例子中，張量要沿著第2維，也就是最裡面的維度縮小。它接受列表中的元素，從索引2開始，到索引3(=2+2 -1，即start+length-1)。
Narrow()的工作原理類似於高級索引。例如，在一個2D張量中，使用[:，0:5]選擇列0到5中的所有行。同樣的，可以使用torch.narrow(1,0,5)。然而，在高維張量中，對於每個維度都使用range操作是很麻煩的。使用narrow()可以更快更方便地實現這一點。
5. where()
這個函數返回一個新的張量，其值在每個索引處都根據給定條件改變。這個函數的參數有：條件，第一個張量和第二個張量。在每個張量的值上檢查條件(在條件中使用)，如果為真，就用第一個張量中相同位置的值代替，如果為假，就用第二個張量中相同位置的值代替。
這裡，它檢查張量a的值是否是偶數。如果是，則用張量b中的值替換，b中的值都是0，否則還是和原來一樣。此函數可用於設定閾值。如果張量中的值大於或小於某一數值，它們可以很容易地被替換。
文章部分素材來源：人工智能與算法學習
