动手学深度学习训练营 TASK02 预备知识

最新推荐文章于 2024-09-14 19:18:15 发布

方青然

最新推荐文章于 2024-09-14 19:18:15 发布

阅读量120

点赞数

文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/m0_74046692/article/details/129677650

版权

本文介绍了深度学习中基本的数据操作，包括使用PyTorch导入张量，理解张量的访问和改变，熟悉运算符、张量连接和广播机制。还涵盖了数据预处理的步骤，如数据集读取、处理缺失值以及将数据转化为张量形式。此外，还提及了线代中的矩阵计算和自动求导的概念。

摘要由CSDN通过智能技术生成

数据操作

文字教程

2.1. 数据操作 — 动手学深度学习 2.0.0 documentation (d2l.ai)

代码引导：ndarray slides (d2l.ai)

云端算力：Datawhale/d2l - d2l - OpenI - 启智 AI 开源社区提供普惠算力！ (pcl.ac.cn)

视频教程：数据操作_哔哩哔哩_bilibili

导入torch

import torch

张量

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

#使用 arrange 创建一个行向量 x。这个行向量包含以 0 开始的前 12 个整数，它们默认创建为整数。也可指定创建类型为浮点数。张量中的每个值都称为张量的元素。
x=torch. arange(12)

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