PyTorch：灵活创建全维度张量的强大工具

pytorch，torch.full 实例
PyTorch是Facebook AI所开发的一个开源深度学习框架，它支持动态计算图，并提供了大量的高效库和工具，以加速深度学习应用的开发。在PyTorch中，torch.full()是一个用于创建具有特定值的全维度张量的函数。
torch.full()函数需要两个主要参数：一个维度列表和一个值。它会创建一个在给定维度上的所有元素都等于给定值的张量。下面是一些使用torch.full()的实例：

import torch
# 创建一个形状为(3,3)的全1矩阵
m1 = torch.full((3, 3), 1)
print(m1)
# 创建一个形状为(2,3)的全0矩阵
m2 = torch.full((2, 3), 0)
print(m2)
# 创建一个形状为(4,2)的全3矩阵
m3 = torch.full((4, 2), 3)
print(m3)

上述代码将分别输出一个3x3的全1矩阵，一个2x3的全0矩阵和一个4x2的全3矩阵。torch.full()函数对于创建具有特定值的全维度张量非常有用，这在你需要创建填充矩阵或者全元素矩阵时非常方便。
此外，torch.full()也支持后缀_和+的操作。例如，你可以使用torch.full_()和torch.full_plus()函数。这两个函数分别对应于使用torch.full()函数时将给定的值解释为负值和正值的情况。例如：

# 创建一个形状为(2,3)的全负1矩阵
m4 = torch.full_(-1, 2, 3)
print(m4)
# 创建一个形状为(2,3)的全正1矩阵
m5 = torch.full_plus(1, 2, 3)
print(m5)

上述代码将分别输出一个2x3的全负1矩阵和一个2x3的全正1矩阵。这些功能使得torch.full()更加灵活，可以根据你的需求方便地创建不同值的全维度张量。
总的来说，torch.full()是一个非常实用的函数，可以帮助你在PyTorch中创建具有特定值的全维度张量。通过使用这个函数，你可以方便地创建各种形状和值的矩阵，从而更好地进行深度学习应用开发。