《动手学深度学习》学习笔记1(1)，2024年最新拼多多hr面试技巧

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

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
b变为
0 1
0 1
0 1
'''
print(a,b)
print(a+b)


**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）**
![img](https://img-blog.csdnimg.cn/img_convert/18bfd24bd9d3347510e8cc7e47ec77e5.png)

**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！**
19959569)]

**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！**