深度学习基础知识1（数据操作）

数据操作

需要某种方法来存储和操作数据时

（1）获取数据；

（2）将数据读入计算机后对其进行处理。 如果没有某种方法来存储数据，那么获取数据是没有意义的。

1.张量 tensor

n维数组，也称为张量（tensor）

张量表示由一个数值组成的数组，这个数组可能有多个维度。 具有一个轴的张量对应数学上的向量（vector）； 具有两个轴的张量对应数学上的矩阵（matrix）； 具有两个轴以上的张量没有特殊的数学名称。

无论使用哪个深度学习框架，它的张量类（在MXNet中为ndarray， 在PyTorch和TensorFlow中为Tensor）都与Numpy的ndarray类似。 但深度学习框架又比Numpy的ndarray多一些重要功能：

• GPU很好地支持加速计算，而numpy仅支持CPU计算

• 张量类支持自动微分。 这些功能使得张量类更适合深度学习

• N维数组是机器学习和神经网络的主要数据结构

  1.0 可以表示一个类别 0d标量（维）

  [1.0 , 2.2 , 5.6] 可以表示一个特征向量 1d向量

  [ [1.0 , 2.5 , 3.3]

  [5.0 , 6.5 , 8.8]

  [4.1 , 3.2 , 2.1] ] 可以表示一个样本—特征矩阵 2d矩阵

  上图是个3维
  下图是个四维的
  
  然后是5维
  

然后补充一下访问元素的知识

首先&#