动手学深度学习 数据操作部分总结

1.背景

深度学习非常的火，能够自动解决现实中的很多问题，比如图像方面，人脸自动识别，物体检测，物体分类等问题，语音方面，语音的识别和自动翻译，还有NLP方面，可以实现人机对话等等。

自己也能依照网上的深度学习框架能够做一下项目，但是自己发现自己好像对内部的实现原理并不很清楚。因此，在网上找到了这本动手学习深度学习。希望能够通过此书的学习，对深度学习有更深的认识和理解。

2.内容

现在对操作部分进行一个简单的总结，和写点自己的感想。
mxnet是亚马逊自己开发的深度学习库,其中NDArray是一个类，类似于numpy库，非常方便进行多维数组的计算。数组也就是我们数学里面提到了矩阵。

正如numpy库一样，NDArray也提供了丰富的API
x = nd.arange(number) arange函数创建一个行向量。
通过reshape()就可以把行向量的形状改为指定的维度。
修改之后一定要重新赋值给新的变量，原有的变量的维度还是没有修改的。因为reshpe()函数是不改变原来的数据的，它会以新的形状返回一个新的视图。

同样类似于numpy，nd.ones()可以创建各元素为1的张量。
nd.zeros()可以创建各元素为0的张量。
也可以通过nd.array(list)创建ndarray对象。

张量之间也支持大量的运算符加减乘除指数（+ - * / exp()），还有矩阵的乘法，矩阵的乘法不同于矩阵的点乘，点乘也叫哈达马积表示的是对应元素的相乘，而矩阵的乘法需要两个矩阵满足第一个矩阵的列数等于第二个矩阵的行数。

矩阵的索引
矩阵的索引很有意思，可以通过切片对矩阵进行操作。通常我们通过x[:] = x+y 来减少内存的开销，NDArray也可以和numpy进行互换。通过nd.array() 和 D.asnumpy()

文章小结说：NDArray是MXNet中存储和变化数据的重要工具，通过这个工具我们可以很方便的操作数据，也为以后深度学习打下了基础，毕竟深度学习其实就是数据挖掘的一种变形。