这里将课后习题完成。
数据操作
1.运行本节中的代码。将本节中的条件语句X == Y更改为X < Y或X > Y,然后看看你可以得到什么样的张量。
改成X>Y后输出:
tensor([[False, False, False, False],
[ True, True, True, True],
[ True, True, True, True]])
改成X<Y后输出
tensor([[ True, False, True, False],
[False, False, False, False],
[False, False, False, False]])
2.用其他形状(例如三维张量)替换广播机制中按元素操作的两个张量。人结果是否与预期相同?
如果两个张量如下:
[in]: x = torch.ones((4,3,5))
[in]: y = torch.ones((4,1,3))
[in]: print(x + y)
输出为
[out]: ValueError: operands could not be broadcast together with shapes (4,3,5) (4,1,3)
这两个张量是不能兼容的
而如果
x = torch.ones((4,1,5))
y = torch.ones((1,3,5))
这是兼容的
可见,要想两个张量之间进行广播,那么对应的维度如果不同的话,其中一个的长度必须为1。

这篇博客探讨了深度学习中数据操作的基础知识,包括条件语句的张量应用、广播机制的理解以及数据预处理步骤。内容涵盖数据预处理如删除缺失值最多的列,以及将数据转换为张量格式。同时,还介绍了线性代数相关概念,如矩阵运算,并讨论了微积分在深度学习中的应用。
最低0.47元/天 解锁文章
471

被折叠的 条评论
为什么被折叠?



