pytorch_numpy高维数组

可以参照其他两篇博客：
pytorch_tensor
python基础之一_集合数据类型

一 python、numpy、pytorch中多维数组操作

总结：

1. python中无法直接对多维数组切片；numpy、pytorch可以；
2. numpy、pytorch中数组切片操作相同；

1.1 tensor、ndarray、list的区别

tensor、ndarray、list的什么区别，为什要有这么多类似的结构？

1. list是python中的数据结构，ndarray是numpy包中的数据结构，tensor是torch包中的数据结构
   list表示集合（容器）、ndarray表示矩阵、tensor表示张量；
2. ndarray和tensor区别不大，tensor可以看做是ndarray的改进版，专门为了使用GPU加速计算。tensor可用GPU加速，ndarray不能。其他的API类似，总得来说都是为了表示矩阵，ndarray是只能在CPU上运算的矩阵，tensor是在CPU、GPU上都能运算的矩阵。
   与此特性相对应，tensor主要是为了在需要GPU计算的场合使用，也就是模型要训练的参数。而ndarray则是在与除此之外的场合使用，例如：数据预处理。
   那能够用tensor代替ndarray吗？至少在自己写的代码中是可以的，tensor可以当做ndarray使用。但是，很多与数据处理相关的第三方包返回的都是ndarray。另外，感觉ndarray对比tensor是一种更基本的数据结构，除了深度学习以外还有很多其他科学计算任务中，在这些任务中显然也需要矩阵，他们里面应该都是使用的ndarray。
3. ndarry和list区别很大，ndarray是数学中矩阵在python中的表示，因此严格符合矩阵的各种约束，而list只是表示一个容器，其结构宽松得多。例如，矩阵形状肯定是符合 X*Y这种格式的，因此各分量长度自然相等，而且各分量类型自然相同。list中就没有这种要求，list的各分量类型和长度都可以不同，list自然也没有shape这种概念。
   二者的类似之处，只在于有相同的访问方式，都能通过下标访问。
   另外，ndarray既然表示一个矩阵，也就要求形状是固定的，且是一开始就定好的。

1.2 实现

ls1=[[1,2,3],[4,5,6]]
ls2=np.array(ls)
ls3=torch.tensor(ls2)
输出1：---------------------
print(ls[:,2])
print(ls2[:,2])
print(ls3[:,2])
输出2：---------------------
print(ls1[...])
print(ls2[.