PyTorch：张量的旋转与排序

PyTorch Tensor排序返回坐标与PyTorch Tensor旋转
PyTorch是一个广泛使用的深度学习框架，它提供了许多强大的工具来处理张量（tensors）。其中，有两个非常有用的函数可以对张量进行排序并返回排序后的坐标，以及旋转张量。
一、PyTorch Tensor排序返回坐标
在PyTorch中，我们可以使用torch.argsort()函数对张量进行排序，并返回排序后的索引。argsort()函数会返回一个与输入张量形状相同的张量，其中每个元素是输入张量中对应元素的排序索引。这对于许多深度学习任务，如数据增强和模型训练都非常有用。
例如，假设我们有一个3维张量x，我们可以使用argsort()函数对其进行排序：

import torch
x = torch.tensor([3, 1, 4, 1, 5, 9])  # 1-D tensor
x_sorted = torch.argsort(x)

在这个例子中，x_sorted将是一个1维张量，其中每个元素是x中对应元素的排序索引。例如，x_sorted[0]将是x中最小元素的索引，x_sorted[1]将是次小元素的索引，等等。
二、PyTorch Tensor旋转
对于一些深度学习任务，如循环神经网络（RNN）和注意力机制等，我们可能需要将张量旋转一定的角度。PyTorch提供了torch.rot90()函数来实现这个功能。这个函数接受一个张量和旋转的次数作为输入，返回旋转后的张量。
例如，假设我们有一个2维张量x，我们可以使用rot90()函数将其旋转90度：

import torch
x = torch.tensor([[1, 2], [3, 4]])  # 2-D tensor
x_rotated = torch.rot90(x, 1)  # Rotate the tensor by 90 degrees once

在这个例子中，x_rotated将是原始张量沿主对角线翻转的结果。例如，原始张量的第一行第一列元素1将位于旋转后张量的第一列第一行，原始张量的第一行第二列元素2将位于旋转后张量的第二列第一行，以此类推。需要注意的是，如果要连续旋转多个角度，可以传递不同的旋转次数给rot90()函数。例如，如果要连续旋转两次90度，可以使用torch.rot90(x, 2)。