DJL-Java开发者深度学习之数据处理（一）

在深度学习中，我们通常会频繁地对数据进行操作。可以说，数据处理是深度学习的基础。为了开始我们后续的工作，首先我们需要存储和处理数。如果您之前使用过Python的科学计算包NumPy，那么您将会接下来的内容非常熟悉。
在DJL的NDArray不仅支持CUP，还支持GPU以及分离式云端结构，并且支持自动微分等功能。

新手上路

新手上路，我们先用arange创建一个一个行向量x，包含从0开始连续的12个整数。

NDManager manager = NDManager.newBaseManager();
NDArray x = manager.arange(12);
System.out.println(x);

//输出值为：
ND: (12) cpu() int32
[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]

这里我们将使用 NDManager来创建向量x。因为Java Garbage Collector无法监管本地内存消耗，我们需要NDManager来帮助管理NDArray的内存消耗和回收。通常我们会把NDManager封装在try blocks中，这样所有的ndarray可以被及时关掉。如：

try(NDManager manager = NDManager.newBaseManager()){
   NDArray x = manager.arange(12);
   System.out.println(x);
}

向量维度
我们可以通过查看shape属性，获得 NDArray 的shape维度信息（每个轴的长度）。

//查看维度信息
System.out.println(x.getShape());

//输出
(12)

当然，我们也可以通过reshape功能手工调整，改变 NDArray 的维度并且不改变每个元素的数值。例如，我们可以这样转换我们的向量x，从维度(1, 12)的行向量转化成维度为(3, 4)的矩阵。这是一个新的ndarray，包含相同的数值但是是由3行和4列写成的。尽管shape维度改变了，但是向量x 的成员没有改变。

//变更维度
x = x.reshape(3, 4);
System.out.println(x);
//输出：
ND: (3, 4) cpu() int32
[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
]

简单总结

在刚开始动手学习深度学习时，是很痛苦的，因为之前Java开发者大脑里运算的是数字计算。在数字计算转换到向量计算时，不但计算量会增加，思维模式也发生了很大的变化。本章通过简单的代码带您上手。通过简单的工具，为您准备好基础数学及计算知识，尽量使您因不会数学概念而带来的学习烦恼。
本文中讲的简单代码，关注公众号里回复【002】获取。