动手学深度学习pytorch版2——数据基础

课程主页：https://courses.d2l.ai/zh-v2
教材：https://zh-v2.d2l.ai/
课程论坛讨论：https://discuss.d2l.ai/c/16
Pytorch论坛：https://discuss.pytorch.org/
温故而知新！！！

创建数组

1） 创建数组所需参数如下述表格所示：

参数	参数说明
形状	如3*4矩阵
元素的数据类型	如32位浮点数
元素的值	如全是0，或全是随机数

2） 创建数组的2种方法：使用方法创建+手动创建

1. 使用方法创建：
   a) 使用arange方法和reshape方法创建数组
   x = torch.arange(12, dtype = torch.int).reshape(3, 4)创建一个二维数组，行数为3，列数为4，数据类型为整型数据（int）
   
   b) 使用zeros方法创建数组
   y = torch.zeros((3, 4))，创建一个二维数组，行数为3，列数为4，数据类型为float型，数据元素的值均为0 c) 使用ones方法创建数组
   y = torch.ones((3, 4))创建一个二维数组，行数为3，列数为4，数据类型为float型，数据元素的值均为1
   d) 使用randn方法创建数组
   y = torch.randn((3, 4))创建一个二维数组，行数为3，列数为4，数据类型为float型，数据元素的值均为随机数

2. 手动创建： 使用tensor方法，手动输入数组
   同上，创建二维数组，行数为3，列数为4，数据元素的值由用户的输入决定，代码实例如下：

   z = torch.tensor([[1, 2, 3, 4], [6, 6, 6, 6], [4, 4, 4, 4]])
   

   

查询数组的形状

通过张量的shape属性来访问张量的形状，通过方法numel来访问张量的大小

x.shape
x.numel()

访问数组中元素

借用课程PPT便于说明，python中数据都默认从0开始，所以[1,2]实际访问的是第2行第3列的元素7，其余依此类推。同时注意::为跳跃访问操作，[::3, ::2]表示从第0行开始，先访问第0个元素，然后访问第0+2=2个元素，以此类推，直到第一行元素访问结束，然后访问第0+3=3行元素，以此类推，直到矩阵元素访问结束。

备注：访问的同时，也可以对元素的值进行修改，且该修改为原地修改，不会导致内存地址的变化。

使用代码实践一波：

y = (torch.arange(16) + 1).reshape(4, 4)
print(y)
print(y[1, 2])
print(y[1, :])
print(y[:, 1])
print(y[1:3, 1:])
print(y[::3, ::2])

数组的广播机制

在某些情况下，即使形状不同，仍然可以通过调用广播机制(broadcasting mechanism)来执行按元素操作。广播机制的工作方式如下：首先，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；其次，对生成的数组执行按元素操作。

a = torch.arange(3).reshape((3, 1))
b = torch.arange(2).reshape((1, 2))
print(a)
print(b)
print(a + b)

数组的内存分配

运行⼀些操作可能会导致为新结果分配新的内存。例如，如果我们用Y = X + Y，系统将为计算的结果分配一个新的内存，并且Y指向该新分配的内存，同时释放Y的旧地址所指的内存。实例如下：

X = torch.tensor([1])
Y = torch.tensor([2])
print("Y原本指向的内存地址：")
print(id(Y))
before = id(Y)
Y = Y + X
print("\n" + "Y现在指向的内存地址：")
print(id(Y))
after = id(Y)
print("\n" + "两者是否相等：")
print(before == after)

使用python语言写代码时，尤其需要注意其内存分配机制。此处给出两种原地修改的方法：

1. 使用切片表示法将操作的结果分配给先前分配的数组

X = torch.tensor([1])
Y = torch.tensor([2])
Z = torch.zeros_like(Y)
print("Z原本指向的内存地址：")
print(id(Z))
before = id(Z)
Z[:] = Y + X
print("\n" + "Z现在指向的内存地址：")
print(id(Z))
after = id(Z)
print("\n" + "两者是否相等：")
print(before == after)

2. 使用+=类似的操作

X = torch.tensor([1])
Y = torch.tensor([2])
print("Y原本指向的内存地址：")
print(id(Y))
before = id(Y)
Y += X
print("\n" + "Y现在指向的内存地址：")
print(id(Y))
after = id(Y)
print("\n" + "两者是否相等：")
print(before == after)

数据类型转换

1. numpy类型转换为tensor类型：使用tensor方法进行转换

A = X.numpy()
B = torch.tensor(A)
type(A), type(B)

2. tensor类型转换为标量类型：可使用item方法方法进行转换，也可使用Python已有的类型进行强制转换（如：int,float）

a = torch.tensor([4])
a, a.item(), int(a), float(a)

参考文献

1. 动⼿学深度学习 Release 2.0.0-beta0
2. 数据操作
3. 数据操作实现