列表、数组、张量的联系与区别

1. list和ndarray

最大区别在于在内存中存储方式不同

相同：

• 列表 ( list ) 与数组（ndarray）类似，是具有相同类型的多个元素构成的整体。
• list和array都可以根据索引、切片来取其中的元素。

区别：

• 数组在内存中是连续的，数组里的元素都是同一类，所以一旦确定了一个数组，它的内存就确定了，因此不能像列表一样通过.append()追加。列表中保存的是数据的存放的地址，简单的说就是指针并非数据，所以可以可以存储不同的类型，由于地址不用连续，所以可以通过.append()把元素的地址追加进去，由于每个元素都需要一个地址，增加了堆内存和CPU的开支。

• 列表不能对整体进行数值运算，但是数组能对整体进行数值运算 。

• 数组底层使用C语言编写，运算速度快，并且具有强大的运算能力。

import numpy as np

# 1. 列表
a = [1, 2]
a.append(3)
print("数组可以追加为：", a)

# 2. 数组
b = np.array([1, 2])
# b.append(3) # 会报错“'numpy.ndarray' object has no attribute 'append'”

2. ndarray和tensor

最大区别在于值是否可以改变（数据运行的设备）

相同：

• tensor内部的数据类型为ndarray类型

区别：

• tensor可以有加速器内存（如GPU）支持，既可以在CPU上运行也可以在GPU上运行。ndarray只能在CPU上运行。
• ndarray在CPU上运行，因此可以改变其数值。tensor的值可以驻留在GPU上加速，GPU不具有改变元素值的能力，因此tensor的值不可以改变。

import tensorflow as tf
import numpy as np

# 1. ndarray
a = np.array([1, 2, 3])
a[1] = 3
print("可以改变数组值为：", a)

# 2. tensor
b = tf.constant([1, 2, 3])
# b[1] = 3  # 会报错“'tensorflow.python.framework.ops.EagerTensor' object does not support item assignment”