0824深度学习笔记--李沐《动手学深度学习》

目录

简单数据操作

元素访问

元素基本操作

数据预处理

简单数据操作

N维数组是机器学习和神经网络的主要数据结构

 

元素访问

比如数组[[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]]

访问一个元素：[1,2]）（7）

访问一行元素：[1,:] （[5,6,7,8]）

访问一列元素：[:,1]（2，6，10，14）

子区域：[1:3,1:]（表示第1行到第3行的开区间结束，即第1行和第2行，第1列开始到后面所有列）

子区域：[::3,::2]（表示把第0行和第3行拿出来，再把第0列和第2列拿出来）

元素基本操作

创建数组（形状、数据类型、每个元素的数值）

访问元素（按特定单数值、行、列、特定区域）

常见标准算数运算（+ - * / ** e**() ）

张量合并（torch.cat((X,Y),dim = 0)）

逻辑运算符（X==Y）

所有元素求和（X.sum() ）

通过广播机制来进行求和（）

为多个元素赋值为相同的值，先索引再为其赋值

转换为numpy张量 （torch.tensor() / .numpy() ）

将大小为1的张量转换为python标量

import torch
x = torch.arange(20)# 创建一个行向量 x
print(x)#打印行向量x
print(x.shape)#通过shape属性查看张量形状
print(x.numel)#
X = x.reshape(4, 5)#改为4行5列
y = torch.zeros((2,3))#2行3列 0
z = torch.ones((3,4))#2行4列  1
print(y,z)
a = torch.randn(3, 4)#随机标准高斯采样 3行4列
torch.tensor([[2, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])

数据预处理

使用pandas 来进行导入数据文件

Data = pd.read_csv(data_file)

Data

预测缺失数据

插值和删除

import pandas
dada = pd.read_csv(data_file)
print(data)