- Tableau à N dimensions
Il s'agit de la principale structure de données de l'apprentissage automatique et des réseaux de neurones.
- La création d'un tableau nécessite
Forme : telle qu'une matrice 3*4
Le type de chaque élément : par exemple, float 32 bits
La valeur de chaque élément : par exemple, tous les 0. ou des nombres aléatoires
- Opérations sur les données
Tout d’abord, importez la torche
Un tenseur représente un tableau de valeurs. Ce tableau peut avoir plusieurs dimensions.
La forme d'un tenseur et le nombre total d'éléments dans le tenseur sont accessibles via la propriété de forme du tenseur.
Si vous souhaitez modifier la forme d'un tenseur sans modifier le nombre d'éléments et les valeurs des éléments, vous pouvez appeler la fonction reshape
Utilisez uniquement des 0, des 1, d'autres constantes ou des nombres échantillonnés aléatoirement à partir d'une distribution spécifique.
Deux étages, trois rangées, quatre colonnes
Donnez à chaque élément du tenseur souhaité une valeur définie en fournissant une liste Python (ou liste imbriquée) contenant la valeur numérique
Les opérateurs arithmétiques standards courants (+, -, *, /, **) peuvent être mis à niveau vers des opérations par éléments
Plusieurs tenseurs peuvent être concaténés ensemble
0 représente l'épissage dans la direction y, 1 représente l'épissage dans la direction x
Construire des vecteurs binaires via des opérateurs logiques
La sommation de tous les éléments d'un tenseur produit un tenseur avec un seul élément 5
Même si les formes sont différentes, nous pouvons toujours effectuer des opérations élément par élément en appelant le mécanisme de diffusion
Copiez d'abord, puis ajoutez
accès aux éléments
Vous pouvez utiliser [-1] pour sélectionner le dernier élément et [1:3] pour sélectionner les deuxième et troisième éléments.
Il est également possible d'écrire des éléments dans une matrice en spécifiant l'index
Pour attribuer la même valeur à plusieurs éléments, il suffit d'indexer tous les éléments et de leur attribuer des valeurs
L'exécution de certaines opérations peut entraîner l'allocation de mémoire pour de nouveaux résultats
Effectuer des opérations sur place
x n'est pas réutilisé dans les calculs ultérieurs. Nous pouvons également utiliser x[:]=x+y ou x+=y pour réduire la surcharge mémoire de l'opération.
Convertir en tenseur NumPy
Convertir un tenseur de taille 1 en scalaire Python
- Prétraitement des données
Créez un ensemble de données artificielles et stockez-le dans un fichier CSV (valeurs séparées par des virgules)
Charger l'ensemble de données d'origine à partir du fichier CSV créé
Pour gérer les données manquantes, les méthodes typiques incluent l'interpolation et la suppression
Pour les valeurs catégorielles ou discrètes dans les entrées, nous traitons « NAN » comme une catégorie
