10.20
torch.rand: 返回一个张量，包含了从区间[0,1)的均匀分布中抽取的一组随机数
torch.randn: 返回一个张量，包含了从标准正态分布(均值为0，方差为 1
torch.mm: 矩阵相乘
tensor.uniform_(-10, 10)： 将tensor用从-10到10均匀分布中抽样得到的值填充
tensor.abs()： 计算输入张量的每个元素绝对值
state_dict 是⼀个从参数名称映射到参数 Tesnor 的字典对象 ex：
class MLP(nn.Module): def __init__(self): super(MLP, self).__init__() self.hidden = nn.Linear(3, 2) self.act = nn.ReLU() self.output = nn.Linear(2, 1) def forward(self, x): a = self.act(self.hidden(x)) return self.output(a) net = MLP() y=net.state_dict() print(y)输出：
OrderedDict([('hidden.weight', tensor([[ 0.2448, 0.1856, -0.5678], [ 0.2030, -0.2073, -0.0104]])), ('hidden.bias', tensor([-0.3117, -0.4232])), ('output.weight', tensor([[-0.4556, 0.4084]])), ('output.bias', tensor([-0.3573]))])保存和加载 state_dict (推荐⽅式) 保存：
torch.save(model.state_dict(), PATH) # 推荐的⽂件后缀名是pt或pth 加载： model = TheModelClass(*args, **kwargs) model.load_state_dict(torch.load(PATH)) 2. 保存和加载整个模型 保存： torch.save(model, PATH) 加载： model = torch.load(PATH)
GPU 如果对在GPU上的数据进⾏运算，那么结果还是存放在GPU上。 存储在不同位置中的数据是不可以直接进⾏计算的 位于不同GPU上的数据也是不能直接进⾏计算的
⼆维卷积层 图像中物体边缘检测
卷积层可通过重复使⽤卷积核有效地表征局部空间
