李沐深度学习笔记04数据操作实现：

torch.tensor([[[2, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]]]).shape

torch.Size([1, 3, 4])#一层3*4的矩阵

tensor([[[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]],

        [[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]]])#这种就是2*3*4的

有几个中括号就是几维

维度拼接：torch.cat函数在二维，三维数据中拼接时候 dim维度 理解_torch.cat 三维-CSDN博客

内存的原地操作

1.id变化的操作 Z = torch.zeros_like(Y) print('id(Z):', id(Z)) Z = X + Y print('id(Z):', id(Z))

2.id不变的操作 Z = torch.zeros_like(Y) print('id(Z):', id(Z)) Z【:】 = X + Y print('id(Z):', id(Z))

数据预处理

遇到的的问题及修改：TypeError: can only concatenate str (not "int") to str。是因为在inputs中存在不同数据类型的列，而在执行inputs.fillna(inputs.mean())时，Pandas 尝试将不同数据类型的列相加，导致出现了TypeError。

解决方法：

或：mean(numeric_only=1)

此处会默认输出true和false。需要在最后加一个类型限制。