2024年Python最全《动手学深度学习》学习笔记1

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。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

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！