【PyTorch 07】 动手学深度学习——chapter_preliminaries/ndarray 习题动手版
目录
1. 导入torch
2. 使用 arange 创建一个行向量 x， 这个行向量包含以0开始的前12个整数。
3. 通过张量的 shape 属性来访问张量 x（沿每个轴的长度）的形状
4. 【重点】只想知道张量中元素的总数，可以检查它的大小（size）
5. 把张量 x 从形状为（12,）的行向量转换为形状为（3,4）的矩阵。
6. 创建一个形状为（2,3,4）的张量，其中所有元素都设置为0。
7. 创建一个形状为(2,3,4)的张量，其中所有元素都设置为1。
8. 【重点】创建一个形状为（3,4）的张量。 其中的每个元素都从均值为0、标准差为1的标准高斯分布（正态分布）中随机采样。
9. torch.tensor 创建一个 （3,4）的二维数组。
10. 实现以下两个数组的加减乘除
11. 给下面的数组求幂运算
12. 以下两个数组，按行/按列拼接
13. 判断下面两个同型数组每个元素是否相等
14. 计算X数组中所有元素的和
15.【重点】 使用 arange 创建一个 3*1 的数组 a 和 1*2 的数组b
16. 尝试将上面两个数组直接相加，查看情况。
17. 取出二维数组 X 中选择 最后一行元素、第二行到第三行元素
18、修改二维数组 X第1行第2列的值为9并写入矩阵
19、修改二维数组 X 第0行和第1行所有元素为12.
20、 将X转成numpy赋给A，再将A转成tensor的形式给B
21、输出a的原数、字符型、浮点型
1. 导入torch
2. 使用 arange 创建一个行向量 x， 这个行向量包含以0开始的前12个整数。
3. 通过张量的 shape 属性来访问张量 x（沿每个轴的长度）的形状
4. 【重点】只想知道张量中元素的总数，可以检查它的大小（size）
5. 把张量 x 从形状为（12,）的行向量转换为形状为（3,4）的矩阵。
6. 创建一个形状为（2,3,4）的张量，其中所有元素都设置为0。
7. 创建一个形状为(2,3,4)的张量，其中所有元素都设置为1。
8. 【重点】创建一个形状为（3,4）的张量。 其中的每个元素都从均值为0、标准差为1的标准高斯分布（正态分布）中随机采样。
9. torch.tensor 创建一个 （3,4）的二维数组。
【运算符】
10. 实现以下两个数组的加减乘除
x = torch.tensor([1.0, 2, 4, 8])
y = torch.tensor([2, 2, 2, 2])11. 给下面的数组求幂运算
x = torch.tensor([1.0, 2, 4, 8])12. 以下两个数组，按行/按列拼接
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]])13. 判断下面两个同型数组每个元素是否相等
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]])14. 计算X数组中所有元素的和
X = torch.arange(12, dtype=torch.float32).reshape((3,4))【广播机制】
15. 使用 arange 创建一个 3*1 的数组 a 和 1*2 的数组b
16. 尝试将上面两个数组直接相加，查看情况。
【索引和切片】
17. 取出二维数组 X 中选择 最后一行元素、第二行到第三行元素
X = torch.arange(12, dtype=torch.float32).reshape((3,4))18、修改二维数组 X第1行第2列的值为9并写入矩阵
X = torch.arange(12, dtype=torch.float32).reshape((3,4))19、修改二维数组 X 第0行和第1行所有元素为12.
X = torch.arange(12, dtype=torch.float32).reshape((3,4))【转换对象】
20、 【重点】将X转成numpy赋给A，再将A转成tensor的形式给B
X = torch.arange(12, dtype=torch.float32).reshape((3,4))21、输出a的原数、字符型、浮点型
a = torch.tensor([3.5])