常用的Tensor操作
1、通过tensor.view方法可以调整tensor的形状，但必须保证调整去前后元素总数一致。view不会修改自身的数据，返回新的tensor与原tensor共享内存，即更改其中的一个，另一个也会跟这改变。
2、实际中经常需要添加或减少某一维度，可用squeeze和unsqueeze这两函数。
import torch as t
a = t.arange(0,6)
b = a.view(2,3) #调整tensor的形状，不会修改自身数据
c = a.view(-1,3) #-1自动计算大小
‘‘‘
a = tensor([0, 1, 2, 3, 4, 5])
b = tensor([[0, 1, 2],
[3, 4, 5]])
c = tensor([[0, 1, 2],
[3, 4, 5]])‘‘‘
b = b.unsqueeze(1) #在第一维（下标从0开始）上增加“1”
‘‘‘tensor([[[0, 1, 2]],
[[3, 4, 5]]])‘‘‘
c = c.unsqueeze(-2)
‘‘‘tensor([[[0, 1, 2]],
[[3, 4, 5]]])‘‘‘
d = b.view(1,1,1,2,3)
‘‘‘tensor([[[[[0, 1, 2],
[3, 4, 5]]]]])‘‘‘
d = d.squeeze(0) #压缩第0维的“1”
‘‘‘tensor([[[0, 1, 2],
[3, 4, 5]]])‘‘‘
d = d.squeeze() #所有维度为“1”的压缩
‘‘‘tensor([[0, 1, 2],
[3, 4, 5]])‘‘‘
3、resize是另一种可用调整size的方法，但与view不同，它可以修改tensor的尺寸。如果新尺寸超过原尺寸，会自动分配新的内存空间，而如果新尺寸小于原尺寸，则之前的数据依旧会被保存。
b.resize_(1,3) #resize_调整size，新尺寸小于原尺寸，则之前的保留
‘‘‘tensor([[0, 1, 2]])‘‘‘
b.resize_(3,3) #resize_调整size，新尺寸大于原尺寸，会自动分配新的内存空间
‘‘‘tensor([[ 0, 1, 2],
[ 3, 4, 5],
[7526747973031060338, 7306812055932138085, 8389969046800051066]])‘‘‘2018-10-23 17:59:12