数学运算

（1）加减乘除

（2）矩阵相乘 matmul 是按照矩阵的方式相乘

·Torch.mm（只适用于二维矩阵，不建议使用）

·Torch.matmul

·@

一个案例

stack和cat的区别

cat在指定维度上可以值不同，但是stack在指定维度上的值必须相同

拼接和拆分

cat

从最小维度开始匹配，我们默认越高维度越相似，而小维度上各有各的不同

[32, 32]给每行每列加一个base基底；

[3, 1, 1]相等于是给每个通道都加个值；

[1, 1, 1, 1]像素点增加了一个值

why broadcasting

（1）本身有现实意义；

（2）可以节省内存消耗

什么情况下需要将broadcasting？

match from last dim!

·如果当前的dim=1，扩展相同的维度

·如果其他地方没有维度，可以添加这一个模块，然后扩展成相同维度

·否则，则不能进行传播

broadingcasting

（1）expand

（2）without copying data

key idea

同一运算符

is

is not

==   调用 __eq__()方法

整数缓存问题

布尔值

比较运算符

==

！=

>

<

逻辑运算符

or

and

not

短路现象

同一运算符

计算距离：

import math

distance=math.sqrt((x1-x4)**2+(y1-y4)**2)

turtle.write(distance)

时间表示

1970 unix时间点（起始点）

import time

time.time（）

秒.微秒

float()

科学计数法

round（3.54）=4四舍五入

增强型赋值运算符

0b二进制

0o八进制

0x十六进制

int()

python3可以储存任意大小的整数

repeat接口

repeat传参的参数是拷贝的次数

转置操作

with open('aa.gif','rb') as f:

    with open('aa_copy.gif','rb') as w:

        for line in f.readlines():

           w.write(line)

print('图片拷贝成功！')

Expand/repeat

Expand——broadcasting仅仅是把数据进行了传播，节约内存

仅仅局限于从1开始扩展，如果是从3拓展的话，是不可行的，会报错

Repeat——实实在在的数据拷贝

squeeze、unsqueeze

for example

数据的存储、维度顺序非常重要，需要时刻谨记

数据类型：

整型、浮点型、布尔型、字符串型

对数字的运算：

+

-

*

/浮点数除法

//整数除法

%模（取余）

**幂

divmod(13,3)同时得到商和余数

（4,1）

链式赋值

a=b=3

解包赋值

a,b,c=1,2,3

a,b=b,a

常量------python不支持chang'l

随便改

索引与切片