这篇文章将为大家详细讲解有关python中@怎么用，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
一、表示修饰符。
可以在模块或者类的定义层内对函数进行修饰。出现在函数定义的前一行，不允许和函数定义在同一行。
一个修饰符就是一个函数，它将被修饰的函数作为参数，并返回修饰后的同名函数或其他可调用的东西（如果返回不是一个可调用的对象那么会报错）。
例1：
def funA(desA): print("It's funA") def funB(desB): print("It's funB") @funAdef funC(): print("It's funC")运行结果：
It's funA
例2：
可以看出，该例子中@test等价于 test(xxx())，但是这种写法你得考虑python代码的执行顺序。
def test(func): print("a") return func() @testdef xxx(): print('Hello world!')运行结果：
a
Hello world!
例3：
为更深刻理解该用法，来个复杂点的嵌套型。
def funA(desA): print("It's funA") print('---') print(desA) desA() print('---') def funB(desB): print("It's funB") @funB@funAdef funC(): print("It's funC")运行结果：
It's funA
---
<function funC at 0x00000252D2545550>
It's funC
---
It's funB
解析：
@funB 修饰装饰器@funA，@funA 修饰函数定义def funC()，将funC()作为funA()的参数，再将funA(funC())作为funB()的参数。 执行的时候由上而下，先执行funA(funC())，再执行funB(funA(funC()))。注意，funC()并不执行，除非funA()函数中给出了执行funA()的代码。
打印desA，其传的是funC()的地址，即desA现在为函数desA()。 执行desA()即执行funC()，desA=desA()=funC()。
二、表示矩阵乘法。
不常用。
例：
import torch n=100x = torch.ones(n,2)x[:,0].uniform_(-1.,1) # 第一列变换至(-1.,1) 之间print(x[:5]) # 输出前5行a = torch.tensor([3.,2.]) # 一维Tensorprint(a)print(a.shape)y = x@aprint(y)print(y.shape)输出结果：
tensor([[ 0.8230, 1.0000],
[ 0.2427, 1.0000],
[-0.7416, 1.0000],
[-0.1267, 1.0000],
[ 0.7767, 1.0000]])
tensor([3., 2.])
torch.Size([2])
tensor([ 4.4691, 2.7281, -0.2249, 1.6198, 4.3302, 3.3386, 1.9908, -0.8602,
4.9401, 1.9773, 4.5304, -0.1322, 3.9059, -0.6714, 1.8961, 3.7886,
0.8241, 4.4958, 2.2765, 2.0459, 3.6542, 3.0824, 2.8941, 1.0526,
4.8735, 1.4954, 3.0208, 4.0778, 2.3491, 2.2261, 3.1072, 1.0640,
1.7861, -0.8534, 3.2532, 1.5553, 0.2124, 3.6449, 1.6078, -0.1138,
4.2842, 3.7184, 2.2547, 3.4069, 3.6274, 0.4879, 1.4638, 3.9289,
3.3475, 4.1895, 1.5572, 0.8312, 2.9297, -0.9266, 0.4067, 2.5237,
0.6808, 4.9553, 3.3838, 0.5514, 4.8429, 0.0513, 3.4206, 0.3634,
4.7817, 3.0385, 2.3276, -0.0794, 3.4981, 4.3776, -0.8681, -0.4573,
3.6906, 1.2463, 1.4817, 4.0007, 4.7871, 2.5638, 4.2755, 3.1731,
3.4726, 2.1015, -0.8896, 1.4156, 1.2603, 4.0047, 3.3631, 3.5998,
3.2414, -0.1534, 3.6266, 0.3750, 4.4118, -0.0199, 1.6172, 3.2992,
-0.2325, 1.8240, 0.5580, 2.1420])
torch.Size([100])
关于“python中@怎么用”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
