pytorch编程知识（2）

1. num_worker（指dataloader创建的工作进程数）
2. GE2E：Speaker Verification（验证输入的一段语音是否属于一个特定speaker的任务）损失函数，端到端损失函数，收敛速度快、实现简单

3. torch.gather():从批量tensor中取出指定乱序索引下的数据

4. array 转为tensor:torch.from_numpy()

5. 二维tensor转置：tensor = torch.transpose(tensor, dim0=0, dim1=1)

6. pytorch中卷积后保证图像输入输出前后的尺寸大小不变，即实现TensorFlow中“same”的效果：

   1. 若卷积核大小为3x3，那么就应该设定padding=1，即填充1层边缘像素；

   2. 若卷积核大小为7x7，那么就应该设定padding=3，填充3层边缘像素；

   3. 也就是padding大小一般设定为核大小的一半（向下取整）。

7. 调试网络时，查看张量tensor形状shape：

   1. emb.detach().cpu().numpy()

   2. 解释：detach():将tensor从计算图中脱离出来，cpu()将放置到cuda上的tensor转换到cpu上（因为只有cpu上的tensor才可以调用numpy），将tensor转为array