看完很有感触，感觉和自己的心态特别像，转载一下

不知道从什么时候开始，我那些所谓的爱好已经基本全部抛弃掉了，我开始有一些怀念大学时期的大把闲暇时光，也开始后悔大学时候对这些时光的浪费。工作以来，博客基本上处于一种荒废的状态，不再有热情去研究各种平台的搭建和使用，也不再有分享并撰写成文章的想法。下班和周末就躺在床上刷手机、看电视，这些充斥着我的碎片时间和大块整片时间。

用法类似于numpy的resize，主要是用来改变tensor的大小

最近感觉PyTorch这个框架使用起来还是非常吃力，看别人的代码也常常有无法理解的地方，决定还是先自己研究一下PyTorch官方文档的API。在这边开个学习记录的坑…

函数常用入参及通用解释原则

函数常见入参：

• input：Tensor格式
• requires_grad：布尔值，aotugrad是否需要记录在该Tensor上的操作
• size：一般是衡量尺寸的数据，可以是多个数字或collection格式（如list或tuple等）
• device：Tensor所处的设备（cuda或CPU），可以用torch.device或直接使用字符串、数值（torch.device的入参）代替。
  • 使用torch.device作为入参的示例：torch.randn((2,3), device=torch.device('cuda:1'))
  • 使用字符串直接作为入参的示例：torch.randn((2,3), device='cuda:1')
  • 使用数值直接作为入参的示例：torch.randn((2,3), device=1)
• dtype：取值范围见torch.dtype

函数名前加_是原地操作

针对官方入门教程Deep Learning with PyTorch: A 60 Minute Blitz简单做个学习记录，本文大量参考该篇博客 Respect。

1. Tensor

什么是Tensor

torch中的Tensor是一种数据结构，其实在使用上与Python的list、numpy的array、ndarray等数据结构比较类似，可以当成一个多维数组来用。

在数学上对张量这一专业名词有特定的定义，但是反正大概理解成一个多维数组就够用了。

由于最近在看python代码的时候发现很多地方难以理解，特别是用到Numpy来处理数据的部分。在这边整理一个官方教程Numpy User Guide的简单学习笔记。本文大量参考该博客 Respect

tmux的快捷键也是一旦要用到的时候就怎么也想不起来的那种…

• tmux new -s work 创建会话work
• <C-b>d 分离会话和终端 detach （会话会在后台运行）
• tmux ls 显示所有会话
• tmux attach -t work 重新连接到会话work