数据操作

# 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

2、创建数组需要

• 形状：例如3 × 4矩阵
• 每个元素的数据类型：例如32位浮点数
• 每个元素的值，例如全是0，或者随机数

3、访问元素

这里列错了，应该是[:,1]，：表示所有的，子区域中的1：3是左闭右开区间，表示第一行到第二行，：：表示跳转子区，：：3表示每3行一跳，：：2表示每两列一跳。

4、数据操作实现

• 张量表示以一个数值组成的数组，这个数组可能有多个维度
• 我们可以通过张量的shape属性来访问张量的形状和张量中元素的总数
• 要改变一个张量的形状而不改变元素数量和元素值，我们可以调用reshape函数
• 通过提供包含数值的Python列表（或者嵌套列表）来为所需张量中的每个元素赋予确定值

• 常见的标准算术运算符（+、-、*、/和**）都可以被升级为按元素运算

• 我们也可以把多个张量连结在一起

上图是二维的，下图是三维的

此时dim=0应该表示两个二维数组前后排列，应该是通道的意思，可以对照1中的图

• 通过逻辑运算符构建二元张量

• 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

• 广播机制

即使形状不同，我们仍然可以通过调用广播机制来执行按元素操作

详细细节可看李沐的动手学习深度学习书本[动手学深度学习-数据处理](2.1. 数据操作 — 动手学深度学习 2.0.0 documentation)