龙良曲pytorch笔记14-33

一、张量数据类型

张量维度	含义
0维	标量
1维	向量
2维	矩阵
3维	时间序列数据 股价 文本数据 单张彩色图片(RGB)

例如，一个图像可以用三个字段表示：

(width, height, channel) = 3D

但是，在机器学习工作中，我们经常要处理不止一张图片或一篇文档——我们要处理一个集合。我们可能有10,000张郁金香的图片，这意味着，我们将用到4D张量：

(batch_size, width, height, channel) = 4D

在PyTorch中， torch.Tensor 是存储和变换数据的主要工具。Tensor 和NumPy的多维数组非常类似，但Tensor 提供GPU计算和自动求梯度等更多功能，使其更加适合深度学习。

显然string类型在pytorch没有对应的，可以使用one-hot编码

[1,0]代表狗 [0,1]代表猫

但是这种方式对于具有大量唯一类别值的字符串数据，one-hot编码可能会导致非常高的维度，从而显著增加内存消耗和计算成本。这在处理大规模数据集时尤其成问题。

因此我们可以使用Embedding的Word2vec或glove方法，后面详解。

二、pytorch类间的数据类型

即使同一个数据，但是放在不同的位置，类型仍然可能是不一样的

详细

https://gitee.com/mingren1314/torch-basic-function