二、预备知识-2.1数据操作

        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

2.1数据操作

        2.1.1认识数组

        2.1.2数据操作实现-torch函数介绍

                1、导入包import torch

                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）

                3、获取张量的信息

                4、索引和切片（下标从0开始）

                5、修改Tensor形状

                6、常用操作

                7、逐元素操作

                8、in-place操作(就地操作)

                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