MXNet中NDArray数据相关操作_从mxnet导 ndarray模块-优快云博客

绪论

在深度学习中，我们通常会频繁地对数据进行操作。作为深度学习的基础，本节将介绍如何对CPU内存中的数据的基本操作。

MXNet中，NDArray是一个类，也是存储和变换数据的主要工具。NDArray和NumPy的多维数组非常类似。然而，NDArray提供GPU计算和自动求梯度等更多功能，这些使NDArray更加适合深度学习。

这里作者是使用juputer notebook来学习，对比于pycharm和它的控制台来说，对于较大型的项目用pycharm可以实现分文件管理，pycharm的控制台适合运行单行代码，jupyter notebook因为对于单个模块运行之后都会有一个输出直观看到结果；

首先从MXNet导入ndarray模块。这里的nd是ndarray的缩写形式。

from mxnet import nd

然后我们用arange函数创建一个行向量。

x = nd.arange(12)

#这里x的作用相当于print(x)

x

Out[2]:
[ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9. 10. 11.]
<NDArray 12 @cpu(0)>

可以看到nd.arange创建了一个从0开始的12个连续整数,类型 NDArray ，长度 12，创建在cpu内存上

shape属性来获取NDArray实例的形状。

x.shape

Out[3]:
(12,)

size属性得到NDArray实例中元素（element）的总数。

x.size

Out[4]:

reshape函数把行向量x的形状改为(3, 4)，也就是一个3行4列的矩阵，并记作X。(注意前面是小写x,后面是大写X)

X = x.reshape((3, 4))
#这里X的作用相当于print(X)
X

Out[5]:

[[ 0.  1.  2.  3.]
 [ 4.  5.  6.  7.]
 [ 8.  9. 10. 11.]]

小技巧：上面x.reshape((3, 4))也可写成x.reshape((-1, 4))或x.reshape((3, -1))。由于x的元素个数是已知的12，这里的-1是能够通过元素个数和其他维度的大小推断出来的。

接下来，创建一个各元素为0，形状为(2, 3, 4)的张量。之前创建的向量和矩阵都是特殊的张量。

nd.zeros((2, 3, 4))

Out[6]:

[[[0. 0. 0. 0.]
  [0. 0. 0. 0.]
  [0. 0. 0. 0.]]

 [[0. 0. 0. 0.]
  [0. 0. 0. 0.]
  [0. 0. 0. 0.]]]

可以理解成2层，每一层都是3*4的矩阵。

类似地，我们可以创建各元素为1的张量。

nd.ones((3, 4))

Out[7]:

[[1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [1. 1. 1. 1.]]

我们也可以通过Python的列表（list