李沐-动手学深度学习

n维数组是机器学习和神经网络的主要数据结构。

首先导入torch:

张量表示一个数值组成的数组，这个数组可能有多个维度

arange(x): 表示0到x-1的整数数列，左闭右开

张量的shape属性来访问张量的形状和张量中元素的总数

张量的numel()属性来访问张量中元素的总数（标量）

 

改变一个张量的形状而不改变元素数量和元素值，我们可以调用reshape()函数

 

dtype确定张量的数值类型（dtype=torch.float32)32位的浮点数

cat将两个张量的元素合并在一起torch.cat((X, Y), dim=0)，按第0个维度将X和Y进行合并 

 在某些情况下，即使形状不同，我们仍然可以通过调用 广播机制（broadcasting mechanism）来执行按元素操作。 这种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。

 

 为了处理丢失数据，典型的方法是插值和删除，对于数值型，通常插值均值，对于字符串（类别值和离散值），我们将未知数值看成一个类别。