04 数据操作+数据预处理

数据操作

N维数组样例

• N维数组是机器学习和神经网络的主要数据结构
• 0-d，是标量，例如1.0，可能表示一个类别
• 1-d，是向量，例如[1.0, 2.7, 3.4]，可能表示一个特征向量
• 2-d，是矩阵，例如
  [[1.0, 2.7, 3.4]
  [5.0, 0.2, 4.6]
  [4.3, 8.5, 0.2]]
  这可以是一个样本-特征矩阵，三个样本，每个样本3个特征
• 3-d，三维数组，例如RGB图片(宽×高×通道)
  [[[1.0, 2.7, 3.4]
  [5.0, 0.2, 4.6]
  [4.3, 8.5, 0.2]]
  [[1.0, 2.7, 3.4]
  [5.0, 0.2, 4.6]
  [4.3, 8.5, 0.2]]]
• 4-d，可以是一个RGB批量，一个batch(批量大小×宽×高×通道)
• 5-d，一个视频批量(批量大小×时间×宽×高×通道)

创建数组

创建数组需要

• 形状：例如3×4矩阵
• 每个元素的数据类型：例如32位浮点数
• 每个元素的值，例如全0，或者随机数

访问元素

Q&A：
reshape的问题？
reshape是原地操作，比如

a = torch.arange(12)
b = a.reshape((3,4))
b[:] = 2
a 

tensor和array的关系？
tensor是数学上张量的概念，array是数组