标签：False tensor 预备 torch 作业 张量 data 第二章 True
文章目录
这些都是我自己写的，仅供参考，如果错误，欢迎改正！
一、数据操作
第一题
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。
X = torch.arange(12, dtype=torch.float32).reshape((3, 4))
Y = torch.tensor([[2.0, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])
X > Y
运行结果：
tensor([[False, False, False, False],
[ True, True, True, True],
[ True, True, True, True]])
第二题
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。结果是否与预期相同？
A = torch.tensor([[[1, 2, 3], [4, 5, 6]]])
B = torch.tensor([[[0.1, 0.2, 0.3]], [[0.4, 0.5, 0.6]]])
C = A + B
C, C.shape
运行结果：
(tensor([[[1.1000, 2.2000, 3.3000],
[4.1000, 5.2000, 6.3000]],
[[1.4000, 2.5000, 3.6000],
[4.4000, 5.5000, 6.6000]]]),
torch.Size([2, 2, 3]))
二、数据预处理
创建包含更多行和列的原始数据集。
第一题
删除缺失值最多的列。
data = pd.read_csv(data_file)
c_list = data.count()
min_loc, mini, i = 0, 100, 0
for c in c_list:
if c < mini:
min_loc = i
mini = c
i += 1
del data[c_list.index[min_loc]]
第二题
将预处理后的数据集转换为张量格式。
inputs_data = torch.tensor(data.values)
三、线性代数
标签：False,tensor,预备,torch,作业,张量,data,第二章,True 来源： https://blog.csdn.net/qq_42890800/article/details/115287227
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。