《动手深度学习》2.1 基础数据操作

广播机制

广播机制可以使不同shape的张量，进行按元素运算。
eg:

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

输出：
(tensor([[0],
[1],
[2]]),
tensor([[0, 1]]))

a + b

输出：
tensor([[0, 1],
[1, 2],
[2, 3]])

首先，通过适当复制元素来扩展一个或两个数组，使两个张量具有相同的形状。
其次，对新生成的数组执行按元素操作。
即：将矩阵a按列复制，矩阵b按行复制，然后再按元素相加。

执行原地操作

• id()：提供了内存中引用对象的确切地址，类似于c++中的指针。
• zeros_like()：可以创建一个与Y的大小相同但元素均为0的一个矩阵。

转换为其他python对象

• tensor张量与NumPy 张量互化

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

输出：(numpy.ndarray, torch.Tensor)

• 将大小为1的张量转换为 Python 标量

a = torch.tensor([3.5])
a, a.item(), float(a), int(a)

输出：(tensor([3.5000]), 3.5, 3.5, 3)
！item()专用于标量转换