1. 如何把数据从1维扩充成2维
np.expand_dims(x1,axis=1)
或者x1 = x1[:, None]
从(2,33075)换成两个（1，33075）
x1=x1[None,:]
2. numpy.trace(array) 返回数组沿对角线元素的和
numpy.dot(a,b) 点乘，标量乘法
numpy.cross(a,b) 叉乘。矩阵相乘
np.zeros_like(W) 返回一个和W行列数一样单元素全为0的矩阵， 这函数方便的构造了新矩阵，无需参数指定shape大小；
all_data是一个list，包含10个（5，2）的二维数组
np.stack(all_data)，可以直接生成一个（10，5，2）的矩阵，不用sum+=all_data[i]来计算。
3.
fbank = fbank[None, :] #把fbank（2，172，384）变成（1，2，172，384）
numpy.argmax(a, axis=None, out=None) 返回沿轴axis最大值的索引
ret[0][0]
Out[11]: tensor(0.5326, device='cuda:0', grad_fn=<SelectBackward0>)
ret[0][0].cpu().detach() #move to cpu, Returns a new Tensor, detached from the current graph. The result will never require gradient.
Out[12]: tensor(0.5326)
ret[0][0].cpu().detach().numpy()
Out[13]: array(0.5326324, dtype=float32)
ret[0][0].cpu().detach().numpy().round(3) #转换成numpy数组并保留三位小数
Out[14]: 0.533
