2.1数据操作(《动手学深度学习笔记》）

1. 入门

张量表示一个由数值组成的数组。具有一个轴的张量对应数学上的向量，两个轴的张量对应矩阵。
导入pytorch

x.range(12) 表示创建包含十二个元素的行向量，默认为0-11

x.shape：用于访问张量的形状
x.numel: 用于得到张量中元素总数

x.reshape: 可以在不改变原本元素个数的基础上改变张量形状

x.zeros((x,y,z)) : 创建 xyz的全0张量
x.ones((x,y,z)) : 创建xyz的全1 张量

torch.randn(x,y) : 随机采样得到张量中每个元素的值
torch.tensor([ [],[],[] ]) : 通过提供包含数值的python列表（或嵌套列表）， 为张量赋值

2. 运算符

+，-，，/，**（求幂运算）对于任意具有相同形状的张量，均是按元素运算

torch.exp(x) : 计算e的x幂（x是张量）

张量连接: 需提供张量列表，并给出沿哪个轴连接
torch.cat((x,y),dim=n) : 将张量x，y连接，按照维度n为进行连接
例如：假设x,y是34的矩阵
dim = 0 ，即按行连接，连接矩阵后变为64的矩阵
dim = 1，即按列连接，连接矩阵和变为38的矩阵

同理可扩展到n个轴的张量连接

逻辑运算符构建二元张量：x==y，对应位置为true/false
x.sum()： 元素求和

3.广播机制

广播机制：形状不用的张量会扩展为更大的形状相同的张量

4. 索引和切片

张量中的元素可以通过索引访问（第一个元素索引为0，最后一个元素索引为-1）
切片时，区间为左闭右开（例[1:3]，选定元素下标为1和2）

通过指定索引将元素写入矩阵：" :" 选定当前轴上所有元素

5. 节省内存

y = x +y; # 可能会分配新的内存，后面的y与前面的y在不同的空间
使用切片表示法，执行原地操作（保证不分配新的空间） ： y[ : ] = < expression >

可以看到z的地址没有变化，使用切片表示法不会分配新空间

6. 转换为其他python对象

Numpy张量转换为tensor张量： torch.tensor(x.numpy())
tensor张量转换为numpy张量： a.item() # a是tensor张量