第一周学习任务：深度学习和pytorch基础

一、数据操作

      张量表示由一个数值组成的数组，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）。具有两个轴以上的张量没有特殊的数学名称。

首先使用arange创建一个张量。

 通过shape属性来访问张量的形状。

调用reshape函数来张量的形状。从行向量->矩阵。

 

 可以创建指定元素的张量。

 可以通过提供包含数值的Python列表（或嵌套列表）来为所需张量中的每个元素赋予确定值。

 对于任意具有相同形状的张量，常见的标准算术运算符（+、-、*、/和**）都可以被升级为按元素运算。

 求幂

 以把多个张量连结（concatenate）在一起，变成一个更大的张量。

 

 对张量中的所有元素进行求和会产生一个只有一个元素的张量。

广播机制 

     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。

工作方式：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。

 索引：张量中的元素可以通过索引访问

 二、数据预处理

读取数据集

 处理缺失值

三、线性代数

可以将向量视为标量值组成的列表

通过张量的索引来访问任一元素

 

 

访问张量的长度

 

只有一个轴的张量，形状只有一个元素

 创建一个矩阵

 转置矩阵

B和B的转置矩阵比较

 向量是标量的推广，矩阵是向量的推广一样，我们可以构建具有更多轴的数据结构。

 

 哈达玛积

 可以对任意张量进行的一个有用的操作是计算其元素的和。

 理解重点：按特定轴求和

axis 怎么理解？
  矩阵为二维，在矩阵中，如果axis为0，意思为保留这一行，抽象理解“在这一行上拍扁”。如果axis为1，意思为保留这一列，“在列上拍扁”。 如果keepdims=True 则是：不是去掉它，还是把它变为1！