DL学习笔记2.1 PyTorch数据生成

1.1 数据生成

• 生成一个行向量，从0开始顺序张量，全是0张量和全是1的张量

x = torch.arange(12) 
x = torch.zeors((2,3,4))
x = torch.ones((2,3,4))

reshape()	调整个数但是不调整函数值，其中可以用-1来表示自动调整个数	x.reshape(3,-1)
shape()	用于张量形状
numel()	用于描述元素的个数

1.2 运算符

x+y，x-y,x*y，x/y
x**y	**是求幂的运算
exp(x)

1.3 广播机制

**广播机制：**执行按照元素操作

• 通过复制来扩展一个或两个数组，使其具有相同的形状
• 对生成的数组执行按照元素操作

a = torch.arange(3).reshape((3,1))
b = torch.arange(2).reshape((1,2))
a + b = ([[0,1],[1,2],[2,3]]) 

这里对a和b分别进行了扩展，是复制操作

1.4 索引和切片

• x[-1] 来选择最后一个元素
• 通过x[1:3] 来选择切片，表示访问第二个和第三个元素
• ‘‘：’’表示沿着轴的所有元素

1.5 节省内存

每次数据的操作，都会重新分配内存，这对于数据量庞大的ML来说，这是很不可取的。

• 不能一直重新分配内存，希望原地执行这些
• 不原地更新参数，其他引用仍会指向旧的内存

所以：Y[:] =

import torch

x = torch.arange(12).reshape((2,-1))
y = torch.ones((2,6))
z = torch.zeros_like(y)

before = id(z)
z[:] = x+y
print(before == id(z))

True