深度学习基础

张量表⽰由⼀个数值组成的数组，这个数组可能有多个维度。即n维数组。具有⼀个轴的张量对应数学上的向量（vector）。具有两个轴的张量对应数学上的矩阵（matrix）。
可以使用arange创建一个行向量x

可以通过张量的shape属性来访问张量的形状

张量中元素的总数

要改变一个张量的形状而不改变元素数量和元素值，可以调用reshape函数。可以把张量x从形状为（12,）的行向量转换为形状为（3,4）的矩阵。目标形状是（高度,宽度）可以用x.reshape(-1,4)或x.reshape(3,-1)来取代x.reshape(3,4)

注意，通过改变张量的形状，张量的大小不会改变。

使用全0、全1、其他常量或者从特定分布中随机采样的数字来初始化矩阵

可以创建一个形状为（2,3,4）的张量，其中所有元素都设置为0。代码如下：

创建一个形状为(2,3,4)的张量，其中所有元素都设置为1。代码如下：

读取元素：可以用[-1]选择最后一个元素，可以用[1:3]选择第二个和第三个元素

除读取外，我们还可以通过指定索引来将元素写入矩阵。

为多个元素赋值相同的值，我们只需要索引所有元素，然后为它们赋值。

[0:2, :]访问第1行和第2行，其中“:”代表沿轴1（列）的所有元素，即第1、2行所有元素。

深度学习存储和操作数据的主要接口是张量（ 𝑛 维数组）。它提供了各种功能，包括基本数学运算、广播、索引、切片、内存节省和转换其他Python对象。