深度学习笔记1（李沐，pytorch)

 学习深度学习的笔记，学习资料：跟李沐学AI的个人空间-跟李沐学AI个人主页-哔哩哔哩视频

进度：04

（注：所有代码默认都是在jupyter notebook中完成和运行的）

a=torch.zeros(1)
print(a)

zeros要注明向量的大小信息。

b=torch.arange(12,dtype=torch.float32).reshape(3,4)
print(b)
c=torch.tensor([[2.,1,4,3],[7,7,7,7],[6,6,6,6]])

输出：

tensor([[ 0.,  1.,  2.,  3.],
        [ 4.,  5.,  6.,  7.],
        [ 8.,  9., 10., 11.]])

可以用一行代码把三个过程都塞进去

一些关键词都需要在torch下面定义，这里如果不写torch.float32而是直接写float32就会报错

d=torch.cat((b,c),dim=0)
e=torch.cat((b,c),dim=1)
print(d,'\n',e)

输出：

tensor([[ 0.,  1.,  2.,  3.],
        [ 4.,  5.,  6.,  7.],
        [ 8.,  9., 10., 11.],
        [ 2.,  1.,  4.,  3.],
        [ 7.,  7.,  7.,  7.],
        [ 6.,  6.,  6.,  6.]]) 
 tensor([[ 0.,  1.,  2.,  3.,  2.,  1.,  4.,  3.],
        [ 4.,  5.,  6.,  7.,  7.,  7.,  7.,  7.],
        [ 8.,  9., 10., 11.,  6.,  6.,  6.,  6.]])

这里参数改为dim=1有些问题，似乎从按“行”相加编程按“列”相加了 原来的“行”可以认为是，在a flow of 数组的尾部继续加another flow of 数组 现在按“列”可以认为是，在a flow of 数组的“旁边”（第二维）加上another flow of 数组

b,b[0:2]
b[1:2]
b[1:3]
b[-1]
b[-1:10]

输出：

tensor([[ 8.,  9., 10., 11.]])

似乎换行之后的所有元素都直接被忽视了

b,b[0:2],b[1:2],b[1:3],b[1:10]

输出：

(tensor([[ 0.,  1.,  2.,  3.],
         [ 4.,  5.,  6.,  7.],
         [ 8.,  9., 10., 11.]]), tensor([[0., 1., 2., 3.],
         [4., 5., 6., 7.]]), tensor([[4., 5., 6., 7.]]), tensor([[ 4.,  5.,  6.,  7.],
         [ 8.,  9., 10., 11.]]), tensor([[ 4.,  5.,  6.,  7.],
         [ 8.,  9., 10., 11.]]))

范围是从0维开始算第一个维的。如果起点和终点都在数组内，那么正常输出（不算终点处的元素） 如：b[0:2]只输出0,1两维；,b[1:2]只输出1一个维 如果终点不在数组内，那么就输出数组含有的部分。

b[-1],b[-1:1],b[-1:2],b[-1:10]

输出：

(tensor([ 8.,  9., 10., 11.]),
 tensor([], size=(0, 4)),
 tensor([], size=(0, 4)),
 tensor([[ 8.,  9., 10., 11.]]))

一旦-1和其他的维混用就出问题，what the hell?

如何不改变内存呢？直接修改变量内部的元素，如Z[:] = X + Y这种方法，而不是用Y=X+Y