数据操作 / 数据预处理

1.数组创建和访问

创建的话需要定义尺寸、数据类型和数值

访问比较新的地方是切片符号 ：

 

 

2.数据操作

张量tensor

张量tensor表示一个由数值组成的数组，它可能有多个维度。

 

形状 

张量的shape属性可访问张量的形状和元素总数，numel可访问元素总数

reshape（）函数 可在不改变元素值的情况下改变张量的形状 

 

torch.zeros() / torch.ones() 

可以赋值全0或全1，还可以用列表赋值 

 

 

张量之间的运算

+ - * / **等都可，按照数组一一对应算

 

张量拼接 torch.cat

->如果是三维，dim还可以=2，这里我还不是很理解怎么拼，有时间和numpy一起复习一下

广播机制

由于该机制，可对形状不同的张量进行操作，前提是维度一样

其实很简单，x为(1，4），y为（2，1），那在x轴x复制成(2，4），在y轴 y复制成（2，4），然后加到一起（小的复制以便和大的一致）

数据预处理

这里一般用csv文件，需要掌握pandas包的使用

 处理缺失数据（插值 / 删除）

对于数值型，我们可以用平均值进行插值

 对于类别值或离散值（这里我不是很清楚这些说法，大概就是说字符之类的非数值型），可以将NaN视作一个类别

 经过转换，inputs和outputs全都变成数值型，可以转化成张量了