1.?torch.stack((tuple), dim)：按照新的維度進(jìn)行張量的堆疊。

tuple:需要堆疊的張量，是一個tuple，如(t1, t2)

dim:新維度，如dim=0，按照第一個維度作為堆疊的維度

T1, T2都是[3, 3]的張量

需要堆疊的張量T1, T2

如果dim=0, 則第一個維度為新的維度，進(jìn)行堆疊，堆疊后的shape:[2, 3, 3] ; dim=1,??則第二個維度為新的維度，進(jìn)行堆疊，堆疊后的shape:[3, 2, 3]。不能超過要堆疊的維度數(shù)，如dim=3就會出錯。默認(rèn)為dim=0.

torch.stack

2.?x.view(x.size(0), -1)： 無論是CNN，還是RNN，LSTM等，卷積或者池化后，在接一個全連接層輸出為一個多分類之前，需要將多維tensor展平為一維，然后輸入到全連接層中。在pytorch中，tensor.view相當(dāng)于numpy的reshape。

3. string.encode()和string.decode(): 字符串編碼與解碼。text.encode('ascii','ignore').decode('ascii')：先將text字符串編碼成ascii碼，如果有非ascii編碼錯誤，則忽略掉非ascii字符，然后解碼ascii字節(jié)數(shù)組類型成字符串。

如：

代碼

結(jié)果：

結(jié)果

4.?str.maketrans('','', string.punctuation)：將string.punctuation中的字符全部翻譯為None:即字符串包含punctuation =r"""!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~"""，不用翻譯，直接忽略掉。

代碼

結(jié)果bottom-left中的‘-’被忽略掉：

結(jié)果

5. string.strip().split()：將字符串去掉前后空格然后返回字符串中包含單詞的列表。

如：tokens:?make bottomleft large purple object blue

結(jié)果：['make', 'bottomleft', 'large', 'purple', 'object', 'blue']