torch.函数_torch.exp(0.5 * logvar)

torch.numel（张量）-张量的元素个数
torch.set_printoptions（）-设置打印选项
torch.eye（）-单位矩阵
torch.from_numpy（）-numpy转变为tensor
torch.linspace(start, end, steps=100, out=None)
torch.logspace(start, end, steps=100, out=None)
torch.ones(*sizes, out=None)-全为1
torch.rand(*sizes, out=None)-[0,1)的均匀分布
torch.randn(*sizes, out=None)-标准正态分布
torch.randperm(n, out=None) -返回0到n-1的随机排列的数列，
torch.randperm(4) 2 1 3 0
torch.arange(start, end, step=1, out=None)-返回一个一维张量
torch.cat(inputs, dimension=0)

torch.chunk(tensor, chunks, dim=0)-在给定维度(轴)上将输入张量进行分块
torch.randn_like(std)
def reparameterize(self, mu, logvar):
std = torch.exp(0.5 * logvar) #指数函数
eps = torch.randn_like(std)
return eps.mul(std).add_(mu)

device = torch.device(“cuda” if cuda else “cpu”)
if not os.path.exists(outdir):#os.path.exists如果文件或者文件夹存在，返回true.如果不存在，返回false.
os.makedirs(outdir) #os.makedirs()创建多层目
start_epoch = 0
best_test_loss = np.finfo(‘f’).max #finfo(dtype)根据dtype的类型来获取信息