1、view和reshape：

* 两者功能完全一样。只是pytorch 0.3版本默认是view，为了和Numpy一致，后来增加了reshape的api

* 注意：变换前后的数据大小必须一样

2、squeeze v.s. unsqueeze

1)unsqueeze，将维度展开。

如下图所示：

一维数据插入-1以后，将数据变成二维(1行2列，变为2行1列)

如果插入0，会将1行2列，变成1行1列(1列里面又是1行1列)

2)squeeze：删减维度

与unsqueeze作用刚好相反。

a.squeeze()默认是删减所有为1的维度数据，如下图所示：

3、expand v.s. repeat

1)expand：扩展维度到指定维度

2)repeat：

复制原维度多少倍。(不建议使用，因为复制数据会重新申请内存空间，比较占内存)

4、t：矩阵转置：

5、transpose v.s. permute

1)transpose：维度交换

torch.all、torch.eq  # 用于比较两个数据是否一致

2)permute：

调用一次或多次的transpose来达到交换

6、broadcast广播(自动扩展)：

1)特点：

自动扩展维度，并且不用复制数据，节省空间

2)不能broadcast的情况：

给定A的维度[4 32 8]，若给定B[4]。因为广播(默认)是从小维度开始，即此处的8所在维度。因为4属于8的一半维度，而另外的两个维度可以扩展为4 32，最终导致8所在维度缺少一半数据，所以此时不能扩张。(如果给定[1]，可以8的每个数字加上1，或者给定[8]，每个元素一一对应相加，否则不能扩张)

3)广播例子：

4)综上，可以广播的条件：

要么不给定维度，要么给定1，要么给定原数据相同的维度。