1.数组创建和访问
创建的话需要定义尺寸、数据类型和数值
访问比较新的地方是切片符号 :
2.数据操作
张量tensor
张量tensor表示一个由数值组成的数组,它可能有多个维度。
形状
张量的shape属性可访问张量的形状和元素总数,numel可访问元素总数
reshape()函数 可在不改变元素值的情况下改变张量的形状
torch.zeros() / torch.ones()
可以赋值全0或全1,还可以用列表赋值
张量之间的运算
+ - * / **等都可,按照数组一一对应算
张量拼接 torch.cat
->如果是三维,dim还可以=2,这里我还不是很理解怎么拼,有时间和numpy一起复习一下
广播机制
由于该机制,可对形状不同的张量进行操作,前提是维度一样
其实很简单,x为(1,4),y为(2,1),那在x轴x复制成(2,4),在y轴 y复制成(2,4),然后加到一起(小的复制以便和大的一致)
数据预处理
这里一般用csv文件,需要掌握pandas包的使用
处理缺失数据(插值 / 删除)
对于数值型,我们可以用平均值进行插值
对于类别值或离散值(这里我不是很清楚这些说法,大概就是说字符之类的非数值型),可以将NaN视作一个类别
经过转换,inputs和outputs全都变成数值型,可以转化成张量了