torch7学习（一）——Tensor

torch7学习（一）——Tensor
Torch7学习(二) —— Torch与Matlab的语法对比
Torch7学习（三）——学习神经网络包的用法（1）
Torch7学习（四）——学习神经网络包的用法（2）
Torch7学习（五）——学习神经网路包的用法（3）
Torch7学习（六）——学习神经网络包的用法（4）——利用optim进行训练
Torch7学习（七）——从neural-style代码中看自定义重载函数的训练方式

第一篇博客是从torch7提取出来最常用的知识。
主要讲Tensor的用法及其一些函数。
**先说一嘴：**torch中一般有这个东西，就是
y = torch.func(x,…)等价于y = x:func(…)，就是说如果用”torch”,那么“src”是第一个参数。否则就”src:”

初始化

Tensor/rand/zeros/fill

z = torch.Tensor(3,4,2,3,5)  --可以创建多维数组。里面是随机的数。
s = torch.Tensor(2,3):fill(1) --用1填充
t = torch.rand(3,3)
m = torch.zeros(3,3）

其他的初始化方法

t = torch.rand(4,4):mul(3):floor():int()
t = torch.Tensor(3,4):zero()  --注意这里Tensor的每个元素赋值为0的zero没有s

Tensor的内容以及信息

1. Dimension/size/nElement

z = torch.Tensor(3,4)
x = z:nDimension()  -- 2
y = z:size()  -- y的值为size2的一维数组。3和4
t = z:nElement() -- 12

1. 用’[ ]’来取数。而不是像matlab的用’( )’。

Tensor的存储方式

数组的第一个数存储位置为storageOffset(), 从1开始。

x = torch.Tensor(7,7,7)
x[3][4][5]等价于x:storage()[x:storageOffset()+(3-1)*x:stride(1)+(4-1)*x:stride(2)
+(5-1)*x:stride(3)]
-- stride(1)，stride(2)和stride(3)分别是49,7,1

Tensor的复制

x = torch.Tensor(4):fill(1)
y = torch.Tensor(2,2):copy(x) --也可以实现不同Tensor的复制。

Tensor的提取

select/narrow/sub

总说：select是直接提取某一维；narrow是取出某一维并进行裁剪； sub就是取出一块，是对取出的所有维进行裁剪。
语法： select(dim, index)； narrow(dim, index, num); sub(dim1s, dim1e, dim2s, dim2e,…)

x = torch.Tensor(3,4)
i = 0 
x:apply(function()i = i+1 return i end)
--[[
x 为
  1   2   3   4
  5   6   7   8
  9  10  11  12
]]
selected = x:select(1,2)  --第一维的第二个。就是第二行。相当于x[2]
narrowed = x:narrow(2,1,2)
--[[
th> narrowed
  1   2
  5   6
  9  10
]]
subbed = x:sub(1,3,2,3)
--[[ 一维到3为止，二维也到3为止。
th> subbed
  2   3
  6   7
 10  11
]]

用”{ }”来提取

上面的用函数的方式可能还是有点儿麻烦。matlab有类似(:, : ,1:2)的写法。那么lua呢？
语法:
1. [ {dim1 , dim2, …} ]来获取某些维度。类似select
2. [ { {dim1s, dim1e}, {dim2s, dim2e},… } ] 来进行类似narrow或是sub的裁剪。

x = torch.Tensor(5,6):zero()
x[{1,3}] = 1 --等价于matlab的 x(1,3） = 1
x[ {2, {2,4}} ] = 2 --等价于matlab的 x(2,2:4) = 2
x[ { {}, 4}] = -1 --等价于matlab的 x(:,4) = -1

Expand/RepeatTensor/Squeeze

1. expand

x = torch.rand(10,2,1)
y = x:expand(10,2,3) --将三维的size变成了3
-- expand即为“扩展”，扩展某个size为1的那一维度

1. repeatTensor：将Tensor看成一个元素，按照特定方式进行排列。

x = torch.rand(5)
y = x:repeatTensor(3,2) --size变成了3x10

1. squeeze ：将size为1的维度压缩掉。

View/transpose/permute

1. view：将Tensor看成特定空间维数.

   x = torch.zeros(2,2,3)
   x:view(3,4) --等价于x:view(3, -1)
   --  -1 表示将剩余元素全部看成这一维度

2. transpose：是permute的精简版本。transpose(dim1, dim2)只能将两个维度进行互换

x = torch.Tensor(3,4):zero()
y1 = x:t() --如果是2D数据等价于transpose(1,2)
y2 = x:transpose(1,2)

3.permute

x = torch.Tensor(3,4,2,5)
y = x:permute(2,3,1,4) -- 按照2,3,1,4维进行重排列。