1、torch.squeeze() 

这个函数主要对数据的维度进行压缩，去掉维数为1的的维度。

2、torch.unsqueeze()

这个函数主要是对数据维度进行扩充。给指定位置加上维数为一的维度。

3、torch.cat

使用torch.cat((A,B),dim)时，除拼接维数dim数值可不同外其余维数数值需相同，方能对齐。

生成随机数

1、torch.rand

均匀分布。

2、torch.randn(*sizes, out=None) → Tensor

标准正态分布，包含了从标准正态分布（均值为0，方差为1，即高斯白噪声）中抽取的一组随机数。

3、torch.normal(means, std, out=None) → → Tensor

离散正态分布。返回一个张量，包含了从指定均值means和标准差std的离散正态分布中抽取的一组随机数。标准差std是一个张量，包含每个输出元素相关的正态分布标准差。

4、torch.linspace(start, end, steps=100, out=None) → Tensor

线性间距向量。返回一个1维张量，包含在区间start和end上均匀间隔的step个点。

输出张量的长度由steps决定。