轉到pytorch之後，還沒有系統的學習，然而在看一些原始碼的時候，還是遇到了不少由於版本以及API變動所帶來的一些問題，然鵝網上關於這件事的相關資料較少，暫時記錄一下，以後有空了再探究一下底層實現細節問題。

torch.cat()

• input param：[ tuple, dim=]
• return : tensor
• problem describe:
  本來正常使用應該不會有什麼問題，但是我在閱讀原始碼的時候，遇到了一題提示錯誤：
  RuntimeError: zero-dimensional tensor (at position 0) cannot be concatenated

導致這個問題的code部分如下：

x = torch.tensor(0.5)
y = torch.tensor(0.4)
m = torch.cat((x, y))
>>  "RuntimeError: zero-dimensional tensor (at position 0)"

#  this is the right code:
x = torch.tensor([0.5])
y = torch.tensor([0.4])
m = torch.cat((x, y))
>>   m   tensor([0.5,  0,4])

也就是說這個問題的根本在於，torch.cat() 函式傳入的tuple裡面的tensor維度不可以為0，而我們直接建立一個非list的tensor的時候，就有了zero-dimensional tensor, 這在pytorch0.3 版本沒有什麼問題，但pytorch0.4版本中，加入了zero-dimensional tensor 的概念，做出了區分。

ps：之所以會這樣，是因為我想要做concatenate操作的是一個tensor的浮點型資料，loss.data, 而loss.data 是一個tensor()型別, 跟tensor([])型別是完全不一樣的！

int() float() str()

遇到的另一個問題就是如何把一個tensor 型別的資料，轉為Python所能操作的對應的型別，需要注意的一點是，在pytorch0.4版本中，int和float對應的tensor都有對應的直接型別轉換，但是沒辦法直接變成一個string型別！！！
直接來看幾個例子吧：

>>   x = torch.tensor(0.5)
torch.tensor(0.5)    torch.size([])
>>  float(x)
0.5
>>  str(x)
'tensor(0.5000)'

>> str(float(x))
'0.5'
 

劃重點啦，torch.tensor 是沒辦法直接轉到str型別的！！！