均值为0,标准差为1的标准高斯分布(正态分布)种的随机采样
print(torch.randn(3,4))
自定义张量
print(torch.tensor([[2,1,4,3],[1,2,3,4],[4,3,2,1]]))
### 切片
x = torch.arange(12,dtype=torch.float32).reshape((3,4))
索引和切片,-1为最后一个元素,[a,b]不包括右括号的项
print(x[-1],x[0:3])
指定索引将元素写入矩阵
x[1, 2] = 9
print(x)
为多个元素赋相同的值
x[0:2,:] = 12
print(x)
### 连结张量
连结张量
x = torch.arange(12,dtype=torch.float32).reshape((3,4))
y = torch.tensor([[2,1,4,3],[1,2,3,4],[4,3,2,1]])
纵向连结–沿行
print(torch.cat((x,y),dim=0))
横向连结–沿列
print(torch.cat((x,y),dim=1))
逻辑运算构建二元张量
print(x==y)
对张量元素求和产生只有一个元素的张量
print(x.sum())
### 不同对象之间的转化
转换其他python对象
A = a.numpy()
B = torch.tensor(A)
print(type(A),type(B))
将张量转化为标量
a = torch.tensor([3.5])
print(a,a.item(),float(a),int(a))
### 运算
数据运算
x = torch.tensor([3,4,1,5])
y = torch.tensor([1,2,1,4])
加、减、乘、除、幂运算
print(x+y,x-y,x*y,x/y,x**y)
以自然数e为底数的运算
print(torch.exp(x))
### 广播机制
广播机制
原理:通过矩阵广播为3*2的矩阵,缺列的复制列,缺行的复制行
a = torch.arange(3).reshape((3,1))
b = torch.arange(2).reshape((1,2))
‘’’
a变为
0 0
1 1
2 2
最后
Python崛起并且风靡,因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低,但它的晋级路线很多,通过它你能进入机器学习、数据挖掘、大数据,CS等更加高级的领域。Python可以做网络应用,可以做科学计算,数据分析,可以做网络爬虫,可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多,你需要学好基础,再选择明确的方向。这里给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
👉Python所有方向的学习路线👈
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
👉Python必备开发工具👈
工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
👉Python全套学习视频👈
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
👉实战案例👈
学python就与学数学一样,是不能只看书不做题的,直接看步骤和答案会让人误以为自己全都掌握了,但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码,教程只需要看一两遍即可。
👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!