动手学深度学习

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

2.3.7 点积