使用pytorch版本的动手学深度学习
2.2 数据预处理
数据读取主要采取pandas等数据包,对于pandas的使用,joyfulpandas中也有非常精彩的使用方法叙述,joyfulpandas也是datawhale出品的pandas学习教材.
2.2.2 处理缺失值
对于NaN值的处理一般采取两种方式
1 直接忽略
df.dropna()
2 插值处理,使用其他值代替NaN值
df.fillna()
df代表python中DataFrame格式的变量
2.2.3 转换为张量格式
pandas可以与张量兼容
import torch
torch.tensor(df.values)
2.3 线性代数 torch中的线性代数
基本运算 加减乘除 (不必多说)
矩阵转置
矩阵哈德吗积,对应位置元素相乘
import torch
A = torch.arange(24).reshape(2, 3, 4)
B = A.clone()
# 哈德吗积
A * B
# 矩阵转置
A.T
降维求和和非降维求和
通俗理解,求和会导致维度的减少 例如(2, 3, 4)的矩阵 经过降维求和得到(2, 3)的矩阵
如果经过非降维求和,会得到(2, 3, 1) 的矩阵