python教程tensor,Python教程入门
分享一个然并卵但是真香的小工具
分享一个“然并卵但是真香”的小工具：alfred-py 中的 print_shape 函数，用于一键打印多个 Tensor 的形状、设备及数据类型信息。工具背景与痛点调试代码的常见方式：在深度学习或复杂逻辑代码调试中，开发者常通过 print 语句输出变量信息（如形状、数据类型等）定位问题。
耗子尾汁 耗子尾汁是成语“好自为之”的谐音流行语，也可以称为“耗子萎汁”、“耗子喂汁”。它与“好自为之”意思相同，用来比喻让某人自己看着办，常用于劝诫他人的语境中。然并卵 “然并卵”是“然而并没有什么卵用”的缩略词，多用来表达无奈、调侃之情。
而在这一个细节的处理之下也在向观众说明着余欢水的生命有可能早已经失去了。
真香 最早来源于湖南卫视《变形计》，城市主人公王境泽初到农村家庭时撂下的狠话：“我王境泽就是饿死，死外边，从这里跳下去，也不会吃你们一点东西”。但几小时后饿了的王境泽只能在农村家庭吃饭，边吃还边说了句“真香”。
因为车标！ 老款的没法看，丑出天际，新款的能看了，但没人认识它！而且新车标做工太不讲究了，薄薄的一铁片，没立体感，没光泽。 别说只是个入门B级车，印象分还是很重要的，买这个级别的车主多多少少都会照顾下面子问题，虽然实际上别说K5，BBA也并没几个人看你的，但心理作用还是有的。
真香：指一个人下定决心不去或去做一件事情，最后的行为却截然相反。
在python中怎么将tensor转换为numpy数组?
1、在Python中，将Tensor转换为NumPy数组有几种方法，这包括使用Tensor.numpy()函数，Tensor.eval()函数以及TensorFlow.Session().run()函数。Tensor.numpy()函数在TensorFlow 0中默认可用，适用于将Tensor转换为Python中的NumPy数组。
2、.numpy()将张量转换为与之共享底层存储的n维numpy数组，适用于数据交互与科学计算。.item()将张量的值转换为标准Python数值，仅适用于张量内含一个元素的情况。.detach()返回与当前图分离的新张量，不再需要梯度，适用于切断计算图中的梯度传递。.cuda()将张量复制到GPU上，利用GPU加速计算。
3、修复：将Tensor转换为numpy.ndarray并指定数据类型。错误示例：输入形状/数据类型不匹配 input_data = np.ones((3， 3)) # 错误：形状与导出时的(2， 2)不一致output_data = sess.run(None， {x： input_data})原因：ONNX模型对输入形状和数据类型有严格要求。
一句一句读Pytorch(更新中)
1、Pytorch也支持自然语言处理任务，如文本分类、机器翻译、情感分析等。可以使用Pytorch的NLP工具包（如torchtext）来简化NLP任务的实现过程。强化学习 Pytorch还可以用于强化学习任务的实现，如游戏AI、自动驾驶等。
2、PyTorch读作“PyTorch”。“Py”：发音与英文单词“Python”中的“Py”相同，读作字母p的音再加上短元音i的音。“Torch”：发音类似于英文单词“torch”。将两部分组合起来，就是“PyTorch”。在深度学习领域，正确发音PyTorch有助于与国际同行交流，并更好地理解和应用这一强大的深度学习框架。
3、PyTorch读作“Py-Torch”。PyTorch是一个开源的深度学习框架，广泛应用于科研和工业生产中。其名称的发音相对简单，按照单词的音节结构来读即可。PyTorch的名称由“Py”和“Torch”两个部分组成。
4、torch.save的存储格式torch.save是PyTorch中常用的模型保存函数。然而，很少有人知道它的原理。
如何配置Tensorflow运行环境
1、安装Python 3下载地址：Python官网关键步骤：选择与系统匹配的Python版本（如Windows用户选Windows x86-64 executable installer）。安装时勾选Add Python to PATH（避免手动配置环境变量）。验证安装：命令行输入python --version，应显示版本号（如Python 7）。
2、由于源代码基于TensorFlow框架，因此需新建一个TensorFlow环境。若未找到使用虚拟环境内核的Jupyter Notebook方法，可直接在终端建立TensorFlow环境，并以运行Python文件的形式进行训练和推理。通过以上步骤，可以在百度飞桨AI Studio上成功配置TensorFlow环境，并完成机器翻译任务的训练和推理。
3、在安装Anaconda和Pycharm时，建议勾选将相关路径添加到系统PATH中，以便在命令行中直接调用。对于CUDA的环境变量设置，网上教程众多，但保险起见，建议添加CUDA安装目录下的lib、include等路径到系统PATH中。安装完成后，可以通过运行简单的TensorFlow测试代码来验证GPU是否可用。
4、使用百度AI Studio配置tensorflow环境，以实现自然语言处理的机器翻译任务。在本地CPU版tensorflow上进行训练时，发现1个epoch的训练时间长至若干小时，故借助AI Studio每日提供的V100进行加速训练，基本满足需求。源代码基于tensorflow框架，因此首先创建tensorflow环境。
5、安装Miniforge3（conda-forge的M1适配版本）需提前安装支持M1芯片的Miniforge3，具体可参考《MacOS M1(Apple Silicon) 安装配置 Conda 环境》。Miniforge3默认使用Python 9，但TensorFlow需Python 8环境，需单独创建。
unsqueeze()以及squeeze()
1、unsqueeze函数用于增加维度，squeeze函数用于减少维度。unsqueeze函数： 功能：在指定的位置插入一个新的维度，维度大小为1。 示例：对于一个形状为[1，3，3]的tensor，调用a.unsqueeze会在原tensor的维度序列中第0个位置插入一个新维度，结果形状变为[1，1，3，3]。
2、在Python中，尤其是在使用PyTorch这类深度学习框架时，unsqueeze() 和 squeeze() 是两个用于调整tensor维度的常用函数。下面将详细解释这两个函数的作用和用法。 unsqueeze() 函数 unsqueeze() 函数用于在指定位置增加一个维度，其维度大小为1。
3、torch.squeeze()和torch.unsqueeze()是PyTorch中用于调整张量维度的核心函数，分别用于删除或添加大小为1的维度。以下是具体说明： torch.squeeze(input， dim=None)功能：移除张量中所有大小为1的维度，或仅移除指定维度中大小为1的维度。参数：input：输入张量。dim（可选）：指定要移除的维度索引。
4、在Python的Tensor操作中，unsqueeze()和squeeze()是两个关键的维度调整函数。它们分别用于增加和减少维度，以适应不同的计算需求。当你有一个tensor，比如a，其形状为[1，3，3]。
5、squeeze(a，N) a中去掉指定的定的维数为一的维度。总结： 给指定位置加上维数为一的维度，比如原本有个三行的数据（3），在0的位置加了一维就变成一行三列（1，3）。a.unsqueeze(N) 就是在a中指定位置N加上一个维数为1的维度。
6、unsqueeze与unsqueeze_的主要差异在于操作方式，unsqueeze进行常规操作，不会改变原张量，需要额外赋值以获取结果；unsqueeze_则进行原地操作，直接修改张量。torch.squeeze功能则是去除输入张量中形状为1的维度，从而简化张量结构。如输入形状为(A×1×B×1×C×1×D)，squeeze后结果为(A×B×C×D)。
phper