一、 torch.bmm

torch.bmm 是 PyTorch 中的一个函数，用于执行批矩阵乘法（ matrix multiplication）操作。
它的输入是三维张量，形状为 (batch, n, m) 和 (batch, m, p):
其中 n 是第一个矩阵的列数，m 是两个矩阵共享的维度，p 是第二个矩阵的列数。
torch.bmm 将批中的每对矩阵相乘，返回一个新的三维张量，形状为 (batch, n, p)。

二、 torch.einsum

torch.einsum是pytorch上的一个强大的函数，用于矩阵相关的计算，注意，这里没有限定为矩阵乘法。torch.einsum基于爱因斯坦求和约定执行张量操作，能够用简洁的表达式实现复杂的多维数组操作，从而避免繁琐的张量操作组合（如reshape、permute、bmm等），减少错误率。需要说明的是，尽管einsum函数内部进行了大量计算优化，但其主要优势在于表达式简洁，如果与单步reshape等pytorch实现的矩阵运算操作相比，其运算速度与内存占用不一定占优势。

1.矩阵乘法：‘ij,jk->ik’ 表示形状为(i,j)与形状为(j,k)的矩阵进行矩阵乘法，得到新矩阵形状为(i,k)。这也是torch.einsum最常规的用法。

2.维度调换：'ij->ji’表示形状为(i,j)的矩阵维度调换成为形状为(j,i)的矩阵。
torch.einsum还有多种用法，遇到再来添加

三、python中变量前面有个*

在Python中，变量前面的星号（*）有多种用法，主要与函数参数或解包序列有关。

1、在函数参数中，星号（*）用来表示任意多个参数，这些参数会被当作元组传递。例如：

def fun(*args):
    for i in args:
        print(i)
 
fun(1, 2, 3, 4)

2、在函数参数中，星号（*）还可以用来解包序列。例如：

def fun(a, b, c, d):
    print(a, b, c, d)
 
args = (1, 2, 3, 4)
fun(*args)

3、在函数参数中，星号（*）还可以与命名参数，或者字典一起使用。例如：

def fun(*args, a=1):
    print(args, a)
 
fun(1, 2, 3, a=4)

def fun(*args, **kwargs):
    print(args, kwargs)
 
fun(1, 2, 3, a=4, b=5)

4、 在解包列表或元组时，星号（*）也可以用来解包选定项。例如：

lst = [1, 2, 3, 4, 5]
a, *b, c = lst
print(a, b, c)

四、numpy.prod

计算元素和

print(np.prod([[1., 2.], [3., 4.]], axis=0))按列计算元素和
print(np.prod([[1., 2.], [3., 4.]], axis=1))按行计算元素和
print(np.prod([[1., 2.], [3., 4.]], axis=0))计算所有元素和

五、torch.chunk

对于一个输入tensor，torch.chunk方法会按照dim指定的维度将输入tensor划分为若干个chunk，划分的数量为chunks。

torch.chunk(input, chunks, dim=0) 

temp=torch.randn((4,6))
print(torch.chunk(temp,2,0))行方向分块
print(torch.chunk(temp,2,1))列方向分块