一、torch.max函数
torch.normal函数是一个非常重要的用于生成服从正态分布的随机数的函数，而torch.max函数则是用于计算张量中所有元素的最大值，并返回该最大值及其索引的函数。
下面是一个简单的示例代码：
import torch
# 定义一个张量
tensor = torch.tensor([[1, 2, 3],
[4, 5, 6]])
# 计算张量中所有元素的最大值及其索引
max_value, max_index = torch.max(tensor)
print(max_value)
print(max_index)
上述代码输出结果如下：
6 tensor(1, 2)
可以看到，max_value被赋值为张量中的最大值6，而max_index被赋值为最大值元素在张量中的索引，即(1, 2)。
二、torch.randn函数
与torch.normal函数类似，torch.randn函数也是一个用于生成随机数的函数，它可以生成服从标准正态分布的随机数。
下面是一个简单的示例代码：
import torch # 生成5行3列的随机数矩阵 random_matrix = torch.randn(5, 3) print(random_matrix)
上述代码输出结果如下：
tensor([[-0.8242, -0.9412, -0.1754],
[-0.8836, -1.3834, -1.3642],
[-0.2434, -1.1975, -1.0409],
[ 0.6386, -0.2006, -1.1081],
[ 0.8765, 1.2763, 0.3941]])
可以看到，random_matrix是一个5行3列的随机数矩阵，其中的每个元素都服从标准正态分布。
三、torch.tensor函数
torch.tensor函数可以将一个列表或元组转换成张量。
下面是一个简单的示例代码：
import torch # 定义一个列表 list_ = [1, 2, 3, 4, 5] # 将列表转换成张量 tensor = torch.tensor(list_) print(tensor)
上述代码输出结果如下：
tensor([1, 2, 3, 4, 5])
可以看到，list_被转换成了一个张量。
四、torch.mm函数
torch.mm函数用于进行矩阵乘法运算。
下面是一个简单的示例代码：
import torch # 定义两个矩阵 matrix1 = torch.tensor([[1, 2], [3, 4]]) matrix2 = torch.tensor([[5, 6], [7, 8]]) # 进行矩阵乘法运算 result_matrix = torch.mm(matrix1, matrix2) print(result_matrix)
上述代码输出结果如下：
tensor([[19, 22],
[43, 50]])
可以看到，两个矩阵成功地进行了矩阵乘法运算，并生成了一个新的结果矩阵。
五、torch.cat函数
torch.cat函数用于将多个张量进行拼接。
下面是一个简单的示例代码：
import torch # 定义两个张量 tensor1 = torch.tensor([[1, 2], [3, 4]]) tensor2 = torch.tensor([[5, 6], [7, 8]]) # 将两个张量进行拼接 result_tensor = torch.cat((tensor1, tensor2), dim=0) print(result_tensor)
上述代码输出结果如下：
tensor([[1, 2],
[3, 4],
[5, 6],
[7, 8]])
可以看到，两个张量成功地进行了拼接，生成了一个新的结果张量。
六、tochar函数oracle
tochar函数用于将一个整数转换成对应的ASCII字符。
下面是一个简单的示例代码：
ascii_num = 97 print(chr(ascii_num))
上述代码输出结果如下：
a
可以看到，tochar函数成功地将整数97转换成了对应的ASCII字符a。
七、tochar函数mysql
与tochar函数oracle类似，tochar函数mysql也是用于将一个整数转换成对应的字符，并通过MySQL查询语句获取到数据。
下面是一个简单的示例代码：
SELECT CHAR(65); -- 输出结果为'A'
可以看到，tochar函数mysql在查询语句中被使用，获取到了字符'A'。
八、torch.arrange函数
torch.arrange函数用于生成一个起始值为start、步长为step、长度为length的张量。
下面是一个简单的示例代码：
import torch # 生成一个起始值为0，步长为2，长度为5的张量 result_tensor = torch.arange(0, 10, 2) print(result_tensor)
可以看到，torch.arrange函数成功地生成了一个张量，其中的元素从0开始，步长为2，一直到8，共有5个元素。
九、torch.arange函数
与torch.arrange函数类似，torch.arange函数也是用于生成张量的函数，它可以生成一个起始值为start、步长为step、末尾值为end的张量。
下面是一个简单的示例代码：
import torch # 生成一个起始值为0，步长为0.1，末尾值为1的张量 result_tensor = torch.arange(0, 1, 0.1) print(result_tensor)
可以看到，torch.arange函数成功地生成了一个张量，其中的元素从0开始，步长为0.1，最终达到了1。
十、tonumber函数lua
tonumber函数用于将一个字符串转换成对应的数字类型。
下面是一个简单的示例代码：
number_str = "123" print(tonumber(number_str))
可以看到，tonumber函数成功地将字符串"123"转换成了对应的数字类型123。
