神经网络——张量 python中 x[:,0]和x[:,1] 理解和实例解析
numpy处理张量的包。
张量是矩阵向任意维度的推广（张量的维度通常叫做轴 axis）。
标量（0D张量） 仅包含一个数字的张量叫作标量(scalar，也叫标量张量、零维张量、0D 张量)。
向量（1D张量） 数字组成的数组叫做向量（vector）或一维张量（1D张量）。
矩阵（2D张量） 向量组成的数组叫作矩阵(matrix)或二维张量(2D 张量)。
3D张量和更高维张量
选择张量的特定元素叫作张量切片(tensor slicing)。
参考链接：http://yearing1017.cn/2019/11/12/%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C-%E5%BC%A0%E9%87%8F/
深度学习的知识点笔记：http://yearing1017.cn/2019/11/14/DL-%E7%9F%A5%E8%AF%86%E7%82%B9%E9%9A%8F%E7%AC%94%E7%A7%AF%E7%B4%AF/
pytorch 把图片数据转化成tensor的操作
参考链接：https://www.jb51.net/article/206878.htm
在图像识别当中，一般步骤是先读取图片，然后把图片数据转化成tensor格式，再输送到网络中去。本文将介绍如何把图片转换成tensor。把图片转成成torch的tensor数据，一般采用函数：torchvision.transforms。通过一个例子说明，先用opencv读取一张图片，然后在转换；注意一点是：opencv储存图片的格式和torch的储存方式不一样，opencv储存图片格式是（H,W,C），而torch储存的格式是（C,H,W）。注意：使用torchvision.transforms时要注意一下，其子函数 ToTensor() 是没有参数输入的，以下用法是会报错的。必须是先定义和赋值转换函数，再调用并输入参数。在转换过程中正则化，在使用 transforms.ToTensor() 进行图片数据转换过程中会对图像的像素值进行正则化，即一般读取的图片像素值都是8 bit 的二进制，那么它的十进制的范围为 [0, 255]，而正则化会对每个像素值除以255，也就是把像素值正则化成 [0.0, 1.0]的范围。
在Python以数组的方式读取图像，并转为Torch张量
参考链接：https://blog.csdn.net/weixin_44828787/article/details/109646480
Python读取图像时，读取为numpy数组，用plt显示图像时，也必须是numpy数组的格式才能显示。而且，维度顺序应该是(h, w, d)。张量和变量必须先转为数组才能作为图像显示。
python中封装和解构
参考链接：https://blog.csdn.net/qq_36883141/article/details/89055492
python中 x[:,0]和x[:,1] 理解和实例解析
参考链接：https://blog.csdn.net/u014159143/article/details/80307717
Python中for循环使用enumerate() 函数
enumerate()是python的内置函数、适用于python2.x和python3.x
enumerate参数为可遍历/可迭代的对象(如列表、字符串、元组)
