一 动手学深度学习v2笔记 —— 深度学习介绍及数据操作预处理

第一天 动手学深度学习v2 —— 深度学习介绍及数据操作

    • 预告
    • 01 课程安排
      • 目标
      • 内容
    • 02 深度学习介绍
    • 03 安装
    • 04 数据操作 + 数据预处理
      • 一、 数据操作
      • 二、数据操作实现
      • 三、数据预处理实现

目录:

  1. 预告
  2. 课程安排
  3. 深度学习介绍
  4. 安装
  5. 数据操作
  6. 数据预处理

预告

  • 教材 https://zh-v2.d2l.ai/
  • 源代码 https://github.com/d2l-ai/d2l-zh
  • 课程主页 https://courses.d2l.ai/zh-v2/
  • 课程论坛讨论 https://discuss.d2l.ai/c/16
  • Pytorch论坛 https://discuss.pytorch.org

01 课程安排

目标

  • 介绍深度学习经典和最新模型
    • LeNet, ResNet, LSTM, BERT,…
  • 机器学习基础
    • 损失函数, 目标函数, 过拟合, 优化
  • 实践
    • 使用pytorch实现介绍的知识点
    • 在真实数据上体验算法效果

内容

  • 深度学习基础 - 线性神经网络,多层感知机
  • 卷及神经网络 - LeNet,AlexNet,VGG,Inception,ResNet
  • 循环神经网络 - RNN,GRU,LSTM,seq2seq
  • 注意力机制 - Attention,Transformer
  • 优化算法 - SGD,Momentum,Adam
  • 高性能计算 - 并行,多GPU,分布式
  • 计算机视觉 - 目标检测,语义分割
  • 自然语言处理 - 词嵌入,BERT

02 深度学习介绍

03 安装

04 数据操作 + 数据预处理

一、 数据操作

1. N维数组是机器学习和神经网络的主要数据结构

一 动手学深度学习v2笔记 —— 深度学习介绍及数据操作预处理_第1张图片一 动手学深度学习v2笔记 —— 深度学习介绍及数据操作预处理_第2张图片
2. 创建数组

  • 创建数组需要
    • 形状
    • 每个元素的数据类型
    • 每个元素的值

3. 访问数组

  • 数组切片
    一 动手学深度学习v2笔记 —— 深度学习介绍及数据操作预处理_第3张图片

二、数据操作实现

张量表示一个数值组成的数组,这个数组可能有多个维度

x = torch.arange(12)
print(x)
tensor([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

我们可以通过shape属性来访问张量的形状和张量中元素的总数

print(x.shape)
print(x.numel())
torch.Size([12])
12

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

X = x.reshape(3, 4) # y,x
print(X)
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]])

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

print(torch.zeros((2, 3, 4)))
print(torch.ones((2, 3, 4)))
tensor([[[0., 0., 0., 0.],
         [0., 0., 0., 0.],
         [0., 0., 0., 0.]],

        [[0., 0., 0., 0.],
         [0., 0., 0., 0.],
         [0., 0., 0., 0.]]])
tensor([[[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]],

        [[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]]])

通过提供包含数值的 Python 列表(或嵌套列表)来为所需张量中的每个元素赋予确定值

print(torch.tensor([[[2, 1, 4, 3],
                     [1, 2, 3, 4],
                     [4, 3, 2, 1]]]))
print(torch.tensor([[[2, 1, 4, 3],
                     [1, 2, 3, 4],
                     [4, 3, 2, 1]]]).shape)
tensor([[[2, 1, 4, 3],
         [1, 2, 3, 4],
         [4, 3, 2, 1]]])
torch.Size([1, 3, 4])

常见的标准算术运算符(+、-、*、/ 和 **)都可以被升级为按元素运算

x = torch.tensor([1.0, 2, 4, 8])
y = torch.tensor([2, 2, 2, 2])
print(x + y)
print(x - y)
print(x * y)
print(x / y)
print(x ** y)
tensor([ 3.,  4.,  6., 10.])
tensor([-1.,  0.,  2.,  6.])
tensor([ 2.,  4.,  8., 16.])
tensor([0.5000, 1.0000, 2.0000, 4.0000])
tensor([ 1.,  4., 16., 64.])

按元素方式应用更多的计算

print(torch.exp(x))
tensor([2.7183e+00, 7.3891e+00, 5.4598e+01, 2.9810e+03])

我们也可以把多个张量 连结(concatenate) 在一起

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]])
torch.cat((X, Y), dim=0), torch.cat((X, Y), dim=1)

(tensor([[ 0.,  1.,  2.,  3.],
         [ 4.,  5.,  6.,  7.],
         [ 8.,  9., 10., 11.],
         [ 2.,  1.,  4.,  3.],
         [ 1.,  2.,  3.,  4.],
         [ 4.,  3.,  2.,  1.]]),
 tensor([[ 0.,  1.,  2.,  3.,  2.,  1.,  4.,  3.],
         [ 4.,  5.,  6.,  7.,  1.,  2.,  3.,  4.],
         [ 8.,  9., 10., 11.,  4.,  3.,  2.,  1.]]))

通过 逻辑运算符 构建二元张量

print(X == Y)
tensor([[False,  True, False,  True],
        [False, False, False, False],
        [False, False, False, False]])

对张量中的所有元素进行求和会产生一个只有一个元素的张量

print(torch.sum(X))
print(X.sum())
tensor(66.)
tensor(66.)

即使形状不同,我们仍然可以通过调用 广播机制 (broadcasting mechanism) 来执行按元素操作

a = torch.arange(3).reshape(3, 1)
b = torch.arange(2).reshape(1, 2)
print(a, '\n', b)
print(a + b)
tensor([[0],
        [1],
        [2]]) 
 tensor([[0, 1]])
tensor([[0, 1],
        [1, 2],
        [2, 3]])

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

print(X[-1])
print(X[1: 3])
tensor([ 8.,  9., 10., 11.])
tensor([[ 4.,  5.,  6.,  7.],
        [ 8.,  9., 10., 11.]])

除读取外,我们还可以通过指定索引来将元素写入矩阵

X[1, 2] = 9
print(X)
tensor([[ 0.,  1.,  2.,  3.],
        [ 4.,  5.,  9.,  7.],
        [ 8.,  9., 10., 11.]])

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

X[0:2, :] = 12
print(X)
tensor([[12., 12., 12., 12.],
        [12., 12., 12., 12.],
        [ 8.,  9., 10., 11.]])

运行一些操作可能会导致为新结果分配内存

before = id(Y)
Y = Y + X
print(id(Y) == before)
False

执行原地操作

print('id(Y):', id(Y))
Y[:] = Y + X
print('id(Y):', id(Y))
Z = torch.zeros_like(Y)
print('id(Z):', id(Z))
Z[:] = X + Y
print('id(Z):', id(Z))
id(Y): 140027489362712
id(Y): 140027489362712
id(Z): 140027489340152
id(Z): 140027489340152

如果在后续计算中没有重复使用 X,我们也可以使用 X[:] = X + Y 或 X += Y 来减少操作的内存开销

before = id(X)
X += Y
print(id(X) == before)
True

转换为 NumPy 张量

A = X.numpy()
B = torch.tensor(A)
print(type(A), '\n', type(B))
 
 

将大小为1的张量转换为 Python 标量

a = torch.tensor([3.5])
print(a, '\n', a.item(), '\n', float(a), '\n', int(a))
tensor([3.5000]) 
 3.5 
 3.5 
 3

三、数据预处理实现

创建一个人工数据集,并存储在csv(逗号分隔值)文件

import os
os.makedirs(os.path.join('.', 'data'), exist_ok=True)
data_file = os.path.join('.', 'data', 'house_tiny.csv')
with open(data_file, 'w') as f:
    f.write('NumRooms,Alley,Price\n')
    f.write('NA,Pave,127500\n')
    f.write('2,NA,106000\n')
    f.write('4,NA,178100\n')
    f.write('NA,NA,140000\n')

从创建的csv文件中加载原始数据集

import pandas as pd
data = pd.read_csv(data_file)
print(data)
   NumRooms Alley   Price
0       NaN  Pave  127500
1       2.0   NaN  106000
2       4.0   NaN  178100
3       NaN   NaN  140000

为了处理缺失的数据,典型的方法包括插值和删除, 这里,我们将考虑插值

inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]
print('inputs: \n', inputs)
print('outputs: \n', outputs)
inputs = inputs.fillna(inputs.mean())
print('inputs: \n', inputs)
inputs: 
    NumRooms Alley
0       NaN  Pave
1       2.0   NaN
2       4.0   NaN
3       NaN   NaN
outputs: 
 0    127500
1    106000
2    178100
3    140000
Name: Price, dtype: int64
inputs: 
    NumRooms Alley
0       3.0  Pave
1       2.0   NaN
2       4.0   NaN
3       3.0   NaN

对于inputs中的类别值或离散值,我们将“NaN”视为一个类别

inputs = pd.get_dummies(inputs, dummy_na=True)
print(inputs)
   NumRooms  Alley_Pave  Alley_nan
0       3.0           1          0
1       2.0           0          1
2       4.0           0          1
3       3.0           0          1

现在inputs和outputs中的所有条目都是数值类型,它们可以转换为张量格式

import torch
X, y = torch.tensor(inputs.values), torch.tensor(outputs.values)
print('X: \n', X)
print('y: \n', y)
X: 
 tensor([[3., 1., 0.],
        [2., 0., 1.],
        [4., 0., 1.],
        [3., 0., 1.]], dtype=torch.float64)
y: 
 tensor([127500, 106000, 178100, 140000])

你可能感兴趣的:(动手学深度学习,机器学习,人工智能,神经网络)