第一关:
任务描述:
程序中将提供一个numpy.ndarray类型的变量np_data,利用下文所介绍的from_numpy 方法,转换为对应的 tensor 类型。
编程要求:
本关涉及的代码文件为array2tensor.py,本次的编程任务是补全右侧编辑器Begin至End中间的代码,具体要求如下:
将 numpy.ndarray转成 tensor 类型,并用变量torch_data保存转换后的值;
具体请参见后续测试样例。
代码:
import torch
import numpy as np
def a2t():
np_data = np.array([[1, 2],[3,4]])
#/********** Begin *********/
#将np_data转为对应的tensor,赋给变量torch_data
torch_data = torch.from_numpy(np_data)
#/********** End *********/
return(torch_data)
第二关:
任务描述:
一个张量 tensor 可以利用输入其行数和列数进行构建,也可以利用 Python 的 list 构建,按照程序相关的提示,创建一个32位有符号的整数张量。
编程要求:
本关涉及的代码文件为 createTensor.py,本次编程任务是补全右侧编辑器中Begin至End中间的代码,具体要求如下:
创建一个32位有符号的整数张量,sizes大小为(2,2);
具体请参见后续测试样例。
代码:
import torch
def create():
#/********** Begin *********/
#创建一个32位有符号的整数张量t
t = torch.IntTensor(2, 2)
#/********** End *********/
return t
第三关:
任务描述:
本关任务:本关声明了一个 tensor变量t,根据要求对其进行索引切片操作,实现正确输出。其中,涉及到正序索引、逆序索引,步长为3的索引操作。
编程要求:
本关涉及的代码文件为slicing.py,本次编程任务是补全右侧编辑器中Begin至End中间的代码,本关首先声明了一个 tensor变量 t,根据要求对其进行索引切片操作,具体要求如下:
输出正序索引张量 t 起始位置为2,终止位置为5元素;
输出正序索引张量 t 起始位置为-4,终止位置为-2元素;
输出张量 t 起始位置为2,终止位置为6,步长为3的元素。
具体请参见后续测试样例。
代码:
import torch
t = torch.Tensor(range(6))
#/********** Begin *********/
#输出正序索引张量 t起始位置为2,终止位置为5元素
print("Inverted indexing :", end='')
print(t[2:5])
#输出正序索引张量t 起始位置为-4,终止位置为-2元素
print("Negative indexing :", end='')
print(t[-4:-2])
#输出张量 t起始位置为2,终止位置为6,步长为3的元素
print("Slicing :", end='')
print(t[2:6:3])
#/********** End *********/
第四关:
任务描述:
本关要求同学们掌握,张量基本的数学运算操作,便于对数据进行进一步的处理和分析。
本关任务:本关声明了一个 tensor变量t,根据要求对其进行数学操作,从而掌握张量相关的数学函数,如开平方根,四舍五入等,要求实现正确输出。
输出一个新张量,元素为输入的元素四舍五入到最接近的整数;
输出一个新张量,元素为输入的元素的符号,正为 1,负为-1。
编程要求:
本关涉及的代码文件为mathOperation.py,本次编程任务是补全右侧编辑器中Begin至End中间的代码,本关首先声明了一个 tensor变量t,根据要求对其进行数学操作,具体要求如下:
输出一个新张量,元素为输入的元素四舍五入到最接近的整数;
输出一个新张量,元素为输入的元素的符号,正为1,负为-1。
具体请参见后续测试样例。
代码:
import torch
t = torch.Tensor([[2.4,-5.6,8.6,2.1,4],[3.5,-9.3,6.7,-5,4.23]])
#/********** Begin *********/
#输出一个新张量,元素为输入的元素四舍五入到最接近的整数
print("Round :", end='')
print(torch.round(t))
#输出一个新张量,元素为输入的元素的符号,正为1,负为-1
print("Sign :", end='')
print(torch.sign(t))
#/********** End *********/
第五关:
任务描述:
在进行数据处理时,由于不同的需求,往往需要我们对残缺的数据进行扩充,或为了便于处理而进行转置。
本关介绍了利用view() 方法,返回具有相同数据但大小不同的新张量,从而达到了 reshape 的作用;同时利用transpose ()使给定的维度dim0和dim1被交换。
本关任务:本关声明了一个 tensor变量t,利用view()对其进行维度的转换,并在零位置插入尺寸为1的新张量,由此扩充原始张量t。
编程要求:
本关涉及的代码文件为reshape.py,本次编程任务是补全右侧编辑器中Begin至End中间的代码,本关首先声明了一个 tensor变量t,利用view()对其进行维度的扩充,具体要求如下:
首先将张量t的大小转为40*4;
然后在零位置插入尺寸为1的新张量,由此扩充原始张量t。
具体请参见后续测试样例。
代码:
import torch
t = torch.randn(2, 10, 8)
# 将张量 t 的大小转为 40*4,并在零位置插入尺寸为 1 的新维度,由此扩充原始张量 t
t = t.view(1, -1, 4)
# 输出变化后的 t 的大小
print(t.size())
相关知识: