动手学mxnet系列之NDArray

在mxnet中，NDArray是所有运算的核心数据结构，mxnet中的所有数据均使用NDArray进行表示，NDarray有点类似于numpy中的ndarray，操作上面也与numpy很相似，但是NDArray提供了numpy.ndarray所不具备的操作，比如:GPU,CPU的切换，自动求梯度的运算等等，这也是为什么mxnet要重新封装一个NDArray的原因。

NDArray就好比盖房子的砖，砖有了自然可以盖房子了，所以利用NDArray你便可以实现所有的深度学习模型了，只是深度学习日新月异，如果每个模型都从NDArray开始写，那当然是比较麻烦的，所以MXnet或者gluon帮我们封装了一些函数可以直接使用，接下来我们都会逐一的了解，那么这一节我们先来仔细学习一下mxnet的NDArray：

特别说明：下面的操作只是NDArray的一些基本操作，
获取更多的操作还请查找MXNet文档：https://mxnet.incubator.apache.org/api/python/ndarray/ndarray.html

当然，我希望你可以跟我一起来敲如下的代码而不是看一遍就过去了，事实证明，敲一遍的效果会好很多

在mxnet中，使用NDArray需要引用nd包(nd是ndarray的缩写)，如下：

from mxnet import nd

在引入nd包之后就可以愉快的使用NDArry了。

特别说明，下面代码中 ‘->’ 代表的是输出结果

1. 定义x为一个序列，这里与numpy一致，不同的是，这里返回的每个元素类型都是ndarray

x = nd.arange(12)   -> [0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11.]

2. 当然我们可以打印出ndarray的shape以及size,这里的shape和size不要混淆了

x.shape      ->  (12 ,)
x.size       ->  12
x.context    -> x在CPU还是在GPU上

x.dtype      -> data type,即每个元素的类型
## 当然，我们也可以改变元素的类型
x = x.astype(‘float32’) ## 利用astype便可以改变元素的类型了。

3. 那么如果我们想要构建一个二维矩阵怎么办呢？可以考虑reshape函数

x = nd.arange(12)
x.reshape(shape=(3,4))
# 当然你同样可以省略shape参数，直接这样写：
x.