深度学习笔记（一）

在MXNet中，NDArray是一个类，也是存储和交换数据的主要工具。NDArray和Numpy的多维数组非常类似，NDArray提供GPU计算和自动求梯度等更多功能。

---

数据操作

首先，从MXNet中导入ndarray模块。

使用shape属性获取NDArray实例的形状，也可以通过size属性得到NDArray实例中的元素的总数。

下面使用reshape函数把行向量x的形状改为(3,4)，并记住X

使用zeros()创建零矩阵,使用ones来创建元素都为1的矩阵，除此之外，可以指定各个元素的值。
有时候，我们需要随即生成NDArray中每个元素的值。下面我们创建一个形状（3，4）的NDArray。它的每个元素都随机采样于均值为0，标准差为1的正态分布

使用sum()，可以对矩阵元素进行求和。

---

自动求梯度

在深度学习中，我们经常需要对函数求梯度(gradient)。

为了求有关变量x的梯度，我们需要先调用attach_grad函数来申请存储梯度所需要的内存。
如

x.attach_grad()

下面定义有关变量x的函数。为了减少计算和内存开销，默认条件下MXNet不会记录用于求梯度的计算。
调用record函数来要求MXNet记录与求梯度有关的记录。
对函数y = 2x^Tx求关于列向量x的梯度

from mxnet import autograd,nd
x = nd.arange(4).reshape((4,1))	#4行1列
x.attach_grad()					#开辟内存
with autograd.record():
    y = 2*nd.dot(x.T,x)			#y是一个标量
y.backward()					#自动求梯度
assert(x.grad-4*x).norm().asscalar()==0	#求范式，用asscalar转换成标量,判断是否为0
x.grad

关于y = 2x^Tx 求梯度，为y = 4x，结果如下

---

总结

本文，介绍了mxnet的基本使用，比如创建零矩阵，单位矩阵，一些矩阵的基础加法，乘法，由于基础，这里没有列出，最后学习了一些自动求梯度的方法。