本文仅为本人在自学李沐《动手学深度学习》PyTorch课程时的笔记总结,略有扩展,如有错误,欢迎批评指正。
目录
2、构建一个tensor张量/张量初始化(张量可以理解为多为矩阵/向量)
9、深度学习框架定义的tensor张量与Python的numpy对象间的转换
2.1数据操作
2.1.1认识数组
1、N维数组样例
N维数组是机器学习和神经网络的主要数据结构。
0~5维举例如下图:
2、创建数组
创建数组需要:
①形状:例如3x4矩阵
②每个元素的数据类型:例如32位浮点数
③每个元素的值,例如全是0,或随机数
3、访问元素(最后一个图表示:每三行一访问、每两列一访问)
2.1.2数据操作实现-torch函数(含部分python函数)
1、导入包import torch
首先,我们导入torch。请注意,虽然它被称为PyTorch,但是代码中使用torch而不是pytorch。
2、构建一个tensor张量/张量初始化(张量可以理解为多为矩阵/向量)
(1)方法一:固定元素值范围
X = torch.arrange(12, dtype = torch.float32)# 生成一个数值范围为[0,11),元素类型为float32的一维向量
X = X.reshape((3,4)) # 将该一维向量重构为3行,4列的矩阵;与X = X.reshape(3,4)等价,reshape((3,4))与reshape(3,4)属于同一方法的重载,作用一致
(2)方法二:torch.tensor()、torch.Tensor()、torch.empty()、torch.from_numpy()
表1 构建一个tensor张量常用函数对比
黄色:(法一)指定张量的维度来创建一个未初始化的张量