前言
Hello！
非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～
自我介绍 ଘ(੭ˊᵕˋ)੭
昵称：海轰
标签：程序猿｜C++选手｜学生
简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖...已保研。
学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！
唯有努力?
知其然 知其所以然！
2.1 数据操作
2.1.1. 入门
torch.arange()
x = torch.arange(12)x
tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11])
shape
x.shape
torch.Size([12])
numel()
张量中元素的总数
x.numel()
12
reshape()
可以用-1来调用此自动计算出维度的功能。 即我们可以用x.reshape(-1,4)或x.reshape(3,-1)来取代x.reshape(3,4)
ones()
torch.ones((2, 3, 4))
randn()
创建一个形状为（a,b,..）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
torch.randn(3, 4)
2.1.2. 运算符
+、-、*、/、** 、exp
同一形状的任意两个张量上调用按元素操作
总结：张量形状一样，在对应位置的元素进行相应的运算
多个张量连结（concatenate）
使用torch.cat()
==
sum()
2.1.3. 广播机制
a是3行1列， b是1行三列a与b相加时a变为3行2列（扩列），b也变为3行2列（扩行），再相加（对应位置元素相加）
2.1.4. 索引和切片
X[1:3]：[1,3)，第一行、第二行（不包括第三行）
指定索引来将元素写入矩阵
2.1.5. 节省内存
id():查询变量在内存中的位置
执行Y=Y+X时
先计算Y+X，得到一个结果，会保存在一个新的内存里面
然后再使变量Y指向这个内存
一般来说，这样的操作不可取：同时更新多个参数，需要多个新内存
所以需要尽量进行原地更新
若不进行原地更新，其他引用仍然会指向旧的内存位置， 某些代码可能会无意中引用旧的参数
比如原来Y和K、T都指向一个内存地址，但是执行完Y=Y+X后，Y指向了新的内存地址，但是K、T依然还指向原来的内存地址，再使用K、T则会发生错误，所以尽量需要原地修改，这样修改后，K、T、Y依然指向的是同一个内存地址
可以使用切片表示法将操作的结果分配给先前分配的数组，例如Y[:] = <expression>，实现原地操作
X = torch.arange(3)Y = torch.arange(3)before = id(Y)Y = Y + Xid(Y) == before# False
使用Y[:] = Y + X
X = torch.arange(3)Y = torch.arange(3)before = id(Y)Y[:] = Y + Xid(Y) == before# True
或者 Y += X
X = torch.arange(3)Y = torch.arange(3)before = id(Y)Y += Xid(Y) == before# True
2.1.6. 转换为其他Python对象
结语
学习资料：http://zh.d2l.ai/
文章仅作为个人学习笔记记录，记录从0到1的一个过程
希望对您有一点点帮助，如有错误欢迎小伙伴指正
原文：https://juejin.cn/post/7101637176122671141