沐神深度学习笔记

安装环境，windows：nvidia官网下载cuda以及cudnn

安装minicoda，

不要换源，安装对应版本的pytorch，

安装d2l和jupyter。（可以换源）

一.

n维数组是机器学习的主要数据结构：样本，特征，类别

    创建数组：1.形状 ；2.每个元素数据类型 ；3.每个元素值

    访问元素：[1:3，1:]注意，这里1：3为开区间，实际上取1和2行，1：表示1到n列

    [::3,::2]    ::3表示隔三行去一次，即0，3，6....  ::2表示隔两行取一次，即0，2，4....

张量表示一个由数值组成的数组，这个数组可能有多个维度(具有一个轴的张量对应数学上的向量（vector）； 具有两个轴的张量对应数学上的矩阵（matrix）)

         1.arange可以生成一个行向量，以0开始的12个整数

         2.shape可以访问张量形状

         3.numel返回张量元素数

         4.reshape改变一个张量的形状而不改变元素数量和元素值（我们可以通过-1来调用此自动计算出维度的功能。 即我们可以用x.reshape(-1,4)或x.reshape(3,-1)来取代x.reshape(3,4)）

         5.zeros可以创建一个全零的矩阵，相对的，ones可以创建全为1的数组。

       6.可以用嵌套列表为张量元素赋予确定值。

二.运算符：1.+，-，*，/，**

              2.按元素运算，exp（）

              3.X = torch.arange(12, dtype=torch.float32).reshape((3,4))生成0-11的张量，数据类型为float32，格式为（3，4）

              4.Y = torch.tensor([[2.0, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])
                 torch.cat((X, Y), dim=0), torch.cat((X, Y), dim=1)

                我们可以看出，dim=0时，以整行为单位操作及改变行数；dim=1时以整0列为单位操作，即改变列数。

             5.sum求和

三.广播机制

    

 

 四.

 五.

操作大内存不要太多赋值。

六.

        学习numpy,

        .item(),float()以及int()操作都是针对只有一个元素的张量的。