【PyTorch 07】 动手学深度学习——chapter_preliminaries/ndarray 习题动手版

 目录

1. 导入torch

2. 使用 arange 创建一个行向量 x， 这个行向量包含以0开始的前12个整数。

3. 通过张量的 shape 属性来访问张量 x（沿每个轴的长度）的形状

4. 只想知道张量中元素的总数，可以检查它的大小（size）

5. 把张量 x 从形状为（12,）的行向量转换为形状为（3,4）的矩阵。

6. 创建一个形状为（2,3,4）的张量，其中所有元素都设置为0。

7. 创建一个形状为(2,3,4)的张量，其中所有元素都设置为1。

8. 创建一个形状为（3,4）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。

9. torch.tensor 创建一个 （3,4）的二维数组。

10. 实现以下两个数组的加减乘除

11. 给下面的数组求幂运算

12. 以下两个数组，按行/按列拼接

13. 判断下面两个同型数组每个元素是否相等

 14. 计算X数组中所有元素的和

15.使用 arange 创建一个 3*1 的数组 a 和 1*2 的数组b 

16. 尝试将上面两个数组直接相加，查看情况。

17. 取出二维数组 X 中选择 最后一行元素、第二行到第三行元素

18、修改二维数组 X第1行第2列的值为9并写入矩阵

19、修改二维数组 X 第0行和第1行所有元素为12.

20、 将X转成numpy赋给A，再将A转成tensor的形式给B

 21、输出a的原数、字符型、浮点型

---

1. 导入torch

2. 使用 arange 创建一个行向量 x， 这个行向量包含以0开始的前12个整数。

3. 通过张量的 shape 属性来访问张量 x（沿每个轴的长度）的形状

4. 只想知道张量中元素的总数，可以检查它的大小（size）

5. 把张量 x 从形状为（12,）的行向量转换为形状为（3,4）的矩阵。

6. 创建一个形状为（2,3,4）的张量，其中所有元素都设置为0。

7. 创建一个形状为(2,3,4)的张量，其中所有元素都设置为1。

8. 创建一个形状为（3,4）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。

9. torch.tensor 创建一个 （3,4）的二维数组。

【运算符】

10. 实现以下两个数组的加减乘除

x = torch.tensor([1.0, 2, 4, 8])
y = torch.tensor([2, 2, 2, 2])

11. 给下面的数组求幂运算

x = torch.tensor([1.0, 2, 4, 8])

12. 以下两个数组，按行/按列拼接

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]])

13. 判断下面两个同型数组每个元素是否相等

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]])

 14. 计算X数组中所有元素的和

X = torch.arange(12, dtype=torch.float32).reshape((3,4))

【广播机制】

15. 使用 arange 创建一个 3*1 的数组 a 和 1*2 的数组b 

16. 尝试将上面两个数组直接相加，查看情况。

【索引和切片】

17. 取出二维数组 X 中选择 最后一行元素、第二行到第三行元素

X = torch.arange(12, dtype=torch.float32).reshape((3,4))

18、修改二维数组 X第1行第2列的值为9并写入矩阵

X = torch.arange(12, dtype=torch.float32).reshape((3,4))

19、修改二维数组 X 第0行和第1行所有元素为12.

X = torch.arange(12, dtype=torch.float32).reshape((3,4))

【转换对象】

20、将X转成numpy赋给A，再将A转成tensor的形式给B

X = torch.arange(12, dtype=torch.float32).reshape((3,4))

 21、输出a的原数、字符型、浮点型

a = torch.tensor([3.5])