2026.04.07随记

1、PyTorch

1、dir（模块）：查看任意模块的方法

2、X.sum(0, keepdim=True)：keepdim=True保留维度

X = torch.tensor([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]) # （2,3） X.sum(0, keepdim=True), X.sum(1, keepdim=True) # (tensor([[5., 7., 9.]]), # tensor([[ 6.], # [15.]])) 如果keepdim=False就变成了长度为3和长度为2的向量

3、dtype()：数据的精度类型（float64、float32、int32、int64、uint8）

type () = 看这东西 “是什么类型的变量”（list、tensor、array）

常见用法：

torch.tensor(x, dtype=torch.float32)

4、

W1 = nn.Parameter(torch.randn(num_inputs, num_hiddens, requires_grad=True) * 0.01) # nn.Parameter(...)把张量包装成模型参数 trainer = torch.optim.SGD(net.parameters(), lr=0.1) # net.parameters()告诉优化器模型里所有需要学习的参数 X, y = next(iter(data.DataLoader(mnist_train, batch_size=18))) # iter()把Dataloadeer变成一个迭代器，这样就可以next()一批一批地取数据 with torch.enable_grad() # 是 PyTorch 里专门用来临时开启梯度计算的上下文管理器，用法非常固定。 loss = nn.CrossEntropyLoss(reduction='none') # 交叉熵损失 # reduction='none'是保留每个样本自己的损失，不求和，不求平均 net.apply(init_weights) # .apply()作用：自动把模型里每一层都拿出来，挨个处理

2、python方面

1、assert关键字：断言

assert 条件

如果条件为 True：啥事没有，程序继续跑

如果条件为 False：直接抛出AssertionError，程序崩溃

2、lambda用法

lambda 参数: 表达式 例如： f = lambda x: x + 1 f(5) # 6 add = lambda x, y: x + y add(2,3) # 5

3、with语句用法

最常用：自动关闭文件 with open("test.txt", "r", encoding="utf-8") as f: content = f.read() # 离开 with 块后，文件自动关闭 # "test.txt"是文件路径, "r"是只读模式, encoding="utf-8"是可以显示中文，避免报错

4、函数

调用函数必须加括号()不加括号，不是调用，是把 “函数本身” 当成一个对象传过去