跟着沐神学深度学习---从入门到放弃的第0天（数据操作）

1. 知识点（数据操作）

在这一节中，我们主要学习到了如何创建张量、大小重组、广播机制、张量转数组、数组转张量、以及内存节省操作。
[1]. 创建张量

import torch
A=torch.tensor([1,2,3])
print(A)

[2]. 大小重组

A.reshape(3,1)#这个函数并不会改变原有的张量A

[3]. 张量转数组

B=A.numpy()
print(B,type(B))

[4]. 数组转张量

c=np.arange(0,12).reshape(3,4)
# print(c)
d=torch.from_numpy(c)
print(d)

[5]. 广播机制
关于广播机制更多内容点击此处
本质：是用来处理两个形状不同的张量
当然也不是所有张量之间都可以进行广播机制，这其中也是有规则的。
5.1 两个张量都至少有一个维度

#像下面这种情况下就不行，因为x不满足这个条件。
x=torch.empty((0,))
y=torch.empty(2,2)

3.2 按从右往左顺序看两个张量的每一个维度，x和y每个对应着的两个维度都需要能够匹配上。什么情况下算是匹配上了？满足下面的条件就可以：
a.这两个维度的大小相等
b. 某个维度 一个张量有，一个张量没有
c.某个维度 一个张量有，一个张量也有但大小是1
如下举例：

x=torch.empty(5,3,4,1)
y=torch.empty( 3,1,1)

如上面代码中，首先将两个张量维度向右靠齐，从右往左看，两个张量第四维大小相等，都为1，满足上面条件a;第三个维度大小不相等，但第二个张量第三维大小为1，满足上面条件b;第二个维度大小相等都为3，满足上面条件a;第一个维度第一个张量有，第二个张量没有，满足上面条件b，因此两个张量每个维度都符合上面广播条件，因此可以进行广播。
两个张量维度从右往左看，如果出现两个张量在某个维度位置上面，维度大小不相等，且两个维度大小没有一个是1，那么这两个张量一定不能进行广播。
步骤：

x=torch.empty(5,3,4,1)
y=torch.empty(1,3,1,1)

x=torch.empty(5,3,4,1)
y=torch.empty(5,3,4,1)

x=torch.empty(5,3,4,1)
y=torch.empty(5,3,4,1)

[6]. 内存节省
执行原地操作非常简单。 我们可以使用切片表示法将操作的结果分配给先前分配的数组，例如Y[:] = 。 为了说明这一点，我们首先创建一个新的矩阵Z，其形状与另一个Y相同， 使用zeros_like来分配一个全
的块。

Z = torch.zeros_like(Y)
print('id(Z):', id(Z))
Z[:] = X + Y
print('id(Z):', id(Z))