深度学习常用数据处理方法（torch, numpy, pandas）

torch.Tensor (PyTorch)

• 创建张量:
  • torch.tensor(): 创建具有指定数据的张量。例如，torch.tensor([1, 2, 3])创建一个包含1, 2, 3的一维张量。
  • torch.zeros(): 创建指定形状的全零张量。例如，torch.zeros(2, 3)创建一个2x3的全零二维张量。
  • torch.ones(): 创建指定形状的全一张量。例如，torch.ones(3, 4)创建一个3x4的全一二维张量。
  • torch.rand(): 创建指定形状的张量，其元素随机采样自[0, 1)均匀分布。例如，torch.rand(2, 2)创建一个2x2的随机元素张量。
• 形状操作:
  • tensor.view(): 返回一个具有不同形状的张量，但数据不变。例如，tensor.view(4, -1)可以将张量重新排列为4行。
  • tensor.reshape(): 类似于view()，但可能会在必要时复制数据。例如，tensor.reshape(2, 3)将张量重新形状为2x3。
  • tensor.squeeze(): 删除张量中所有单维度条目。例如，tensor.squeeze()将形状为(1, 3, 1)的张量压缩成(3,)。
  • tensor.unsqueeze(): 在指定位置增加一个维度。例如，tensor.unsqueeze(0)会在张量的最前面增加一个维度。
• 张量运算:
  • 基本运算：tensor + other, tensor - other, tensor * other, tensor / other进行加、减、乘、除。
  • 矩阵运算：torch