-
1.数据操作
张量
张量:表示一个由数值组成的数组,n维数组,PyTorch和tensorflow中的张量类为tensor,MXNet中的张量类为ndarray
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。
访问元素:
[1,2] # 访问一个元素
[1,:] # 访问一行元素
[:,1] # 访问一列元素
[1:3,1:] # 访问1到2行,1到最后一列元素
[::3,::2] # 跳着访问:每隔3行,每隔2列
首先导入torch:虽然它被称为PyTorch,但是代码中使用torch
而不是pytorch
。
import torch
使用 arange
创建一个行向量 x(0到11):
通过张量的shape
属性来访问张量(沿每个轴的长度)的形状:
长度为12
张量中的元素总个数(size):
元素个数为12
改变一个张量的形状而不改变元素数量和元素值,可以调用reshape
函数:
(改成三行四列的张量)
reshape(行,列),可以通过-1调用计算维度的功能,即x.reshape(-1,4)
或x.reshape(3,-1)
来取代x.reshape(3,4)
使用全0、全1、其他常量,或者从特定分布中随机采样的数字来初始化矩阵:
例:创建一个形状为(2,3,4)的全0、全1张量(2个3行4列):
通过从某个特定的概率分布中随机采样来得到张量中每个元素的值:
例,创建一个3行4列的均值为0、标准差为1的标准高斯分布(正态分布):
通过提供包含数值的Python列表(或嵌套列表),来为所需张量中的每个元素赋予确定:
运算符
常见的标准算术运算符(+
、-
、*
、/
和**):
指数运算:
把多个张量连结(concatenate)在一起:
dim=0即按行连接;dim=1即按列连接
通过逻辑运算符构建二元张量:
例:x==y:
对张量中的所有元素进行求和,会产生一个单元素张量:.sum()
广播机制
广播机制的工作方式如下:
- 通过适当复制元素来扩展一个或两个数组,以便在转换之后,两个张量具有相同的形状;
- 对生成的数组执行按元素操作。
由于a
和b
分别是3×1和1×2矩阵,如果让它们相加,它们的形状不匹配。 我们将两个矩阵广播为一个更大的3×2矩阵,如下所示:矩阵a
将复制列, 矩阵b
将复制行,然后再按元素相加:
索引和切片
第一个元素的索引是0,最后一个元素索引是-1
可以用[-1]
选择最后一个元素,可以用[1:3]
选择第二个和第三个元素:
为多个元素赋值相同的值,我们只需要索引所有元素,然后为它们赋值:
(0到1行,所有列)
节省内存
运行一些操作可能会导致为新结果分配内存:
执行原地操作:首先创建一个新的全0矩阵Z
,其形状与另一个Y
相同, 使用zeros_like
:
转化为其他python对象
2.数据预处理
读取数据集
首先创建一个人工数据集,并存储在CSV(逗号分隔值)文件:
从创建的CSV文件中加载原始数据集:
处理缺失值
“NaN”项代表缺失值。为了处理缺失的数据,典型的方法包括插值法和删除法,其中插值法用一个替代值弥补缺失值,而删除法则直接忽略缺失值。此处应用的是插值法:
通过位置索引iloc
,我们将data
分成inputs
和outputs
, 其中前者为data
的前两列,而后者为data
的最后一列。 对于inputs
中缺少的数值,我们用同一列的均值替换“NaN”项。
对于inputs
中的类别值或离散值,我们将“NaN”视为一个类别。
转换为张量格式
现在inputs
和outputs
中的所有条目都是数值类型,它们可以转换为张量格式。当数据采用张量格式后,可以通过在 :numref:sec_ndarray
中引入的那些张量函数来进一步操作。