动手学深度学习课后习题汇总

ndarray

1. 运行本节中的代码。将本节中的条件语句X == Y更改为X < Y或X > Y，然后看看你可以得到什么样的张量。

   X = torch.arange(12, dtype=torch.float32).reshape((3,4))
   Y = torch.tensor([[2.0, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])
   

   X > Y
   Out[3]: 
   tensor([[False, False, False, False],
           [ True,  True,  True,  True],
           [ True,  True,  True,  True]])
   
   X < Y
   Out[4]: 
   tensor([[ True, False,  True, False],
           [False, False, False, False],
           [False, False, False, False]])
   

2. 用其他形状（例如三维张量）替换广播机制中按元素操作的两个张量。结果是否与预期相同

   X=torch.tensor([[[1,2,3],[4,5,6]]])
   Y=torch.tensor([[[7,8,9]],[[10,11,12]]])
   C=X+Y
   C.shape
   

   运行结果

   torch.Size([2, 2, 3])
   

pandas

创建包含更多行和列的原始数据集。

1. 删除缺失值最多的列。
2. 将预处理后的数据集转换为张量格式。

import pandas as pd
import torch
data_file = r'D:\d2l-zh\pytorch\data\house_tiny.csv'
data = pd.read_csv(data_file)
count = 0
count_max = 0
names = ['NumRooms', 'Alley', 'Price']
flag=''
for name in names:
	count = data[name].isna().sum()
	if count > count_max:
		count_max=count
		flag=name

data=data.drop([flag],axis=1)
a=torch.tensor(data.values)
print(a)