这里写目录标题创建张量:张量形状和维度操作:张量索引与切片:张量运算:Autograd操作:逐元素操作归并函数比较线性代数以下是一些常见的张量操作示例：创建张量:importtorchx=torch.tensor([1,2,3])#从列表创建张量y=torch.zeros(2,3)#创建一个全零张量z=torch.randn(3,3,requires_grad=True)#创建一个正态分布张量并启用梯度追踪张量形状和维度操作:x.size()#获取张量的形状y.shape#获取张量的形状（和size()相同）y.dim()#获取张量的维度y.view(3,2)#改变张量的形状y.unsquee

对于3维矩阵，dim为-1时 与dim为2时的效果是一样的。dim为0时 从0维度，下图 是三维实例 图的目的是 可以由一个想象的空间。下面代码与上图关系不大>>>ab=torch.tensor([[[0,1,2,3],[1,2,3,4]],[[2,3,4,5],[4,5,6,7]],[[5,6,7,8],[6,7,8,9]]])>>>abtensor([[[0,1,2,3],[1,2,3,4]],[[2,3,4,5],[4,5,6,7]],[[5,6,7,8],[6,7,8,9]]])>>>ab.shape#ab的形状尺寸torch.Size([3,2,4])>>>ab.size()#ab的

1.torch.sumtorch.sum(imgs,dim=0)#按列求和torch.sum(imgs,dim=1) #按行求和imgs=torch.Tensor([iforiinzip(range(10),range(10))])print(imgs)s1=torch.sum(imgs,dim=0)#按列求和s2=torch.sum(imgs,dim=1)#按行求和print(s1)print(s2)2.torch.unsqueeze将每个图像张量的维度扩展，即在每个图像张量的最前面添加一个额外维度，以匹配模型的输入形状要求。 torch.unsqueeze(i,dim=0) #按dim=0

问题来源    对于刚接触人工智能领域不久的我而言，装CUDA等一些跑模型需要用到的工具是一件痛苦的事，稍不注意就会导致版本依赖问题，最终可能会需要你把前面安装的东西都卸载掉并重新下载，故本文记录如何卸载CUDA使得卸载干净。解决方案    本文的卸载工具采用window自带的控制面板，首先打开控制面板，看到很多关于NVIDIA的应用，不知从何下手，这里需要注意，有三个应用不能卸载，分别是NVIDIA的图形驱动程序、NVIDIAPhysx系统软件与NVIDIAGeForceExperience，接着按照安装时间排序，在临近时间内的其他关于NVIDIA应用均可删除，如下图所示。    卸载完成后

有两种方法可以安装CUDA环境第一种方法-用命令按照在刷机完成的Orin，执行如下命令：sudoaptupdatesudoaptupgradesudoaptinstallnvidia-jetpack-y注释–如果在执行第三行命令，报错的话，先查看nvidia-l4t-apt-source.list将其修改为修改完后，重新执行上面那三行命令CUDA检查是否安装成功运行命令nvcc-V输出结果nvcc:NVIDIA(R)CudacompilerdriverCopyright(c)2005-2021NVIDIACorporationBuiltonThu_Nov_11_23:44:05_PST_202

Solvingenvironment:一直循环/Solvingenvironment:failedwithinitialfrozensolve.在网上找了半天的资料。更新conda，更换国内源，去掉conda安装命令中的-cpytorch都试过了，还是一直停在solvingenvironment步骤。最后找到了最简单实用的方法，直接使用anaconda环境下自带的pip安装，完美运行。不过我是在更换国内源后才用pip安装的，不知道有咩有影响。这里也把换国内源的过程贴出来condaconfig--addchannelshttps://mirrors.tuna.tsinghua.edu.cn/an

今天在跑yolov7的时候遇见，模型加载问题，因为我是使用CPU来加载pt模型的，但是出现了错误；RuntimeError:AttemptingtodeserializeobjectonaCUDAdevicebuttorch.cuda.is_available()isFalse.IfyouarerunningonaCPU-onlymachine,pleaseusetorch.loadwithmap_location=torch.device('cpu')tomapyourstoragestotheCPU.模型是使用CUDA跑的，但是加载是使用CPU加载的，报错的意思就是需要是需要反序列化加载，

Tensor加法：a=torch.tensor([1,2,3])b=torch.tensor([4,5,6])c=a+bprint(c)#tensor([5,7,9])c=torch.add(a,b)print(c)#tensor([5,7,9])c=a.add(b)print(c)#tensor([5,7,9])Tensor减法：a=torch.tensor([1,2,3])b=torch.tensor([4,5,6])c=a-bprint(c)#tensor([-3,-3,-3])c=torch.sub(a,b)print(c)#tensor([-3,-3,-3])c=a.sub(b)pr

这两个函数用法一样，效果也一样。例子：

报错：Ifreservedmemoryis>>allocatedmemorytrysettingmax_split_size_mbtoavoidfragmentation.SeedocumentationforMemoryManagementandPYTORCH_CUDA_ALLOC_CONF当reservedmemoryis>>allocatedmemory，进行如下设置，可解决此bug：代码如下：importosos.environ["PYTORCH_CUDA_ALLOC_CONF"]="max_split_size_mb:128"