动手学深度学习笔记

案例分析 我们⾸先创建⼀个⼈⼯数据集，并存储在CSV（逗号分隔值）⽂件 ../data/house_tiny.csv中。 以其他格式存储的数据也可以通过类似的⽅式进⾏处理。下⾯我们将数据集按⾏写⼊CS

将深度学习框架定义的张量转换为NumPy张量（ndarray）很容易，反之也同样容易。torch张量和numpy数 组将共享它们的底层内存，就地操作更改⼀个张量也会同时更改另⼀个张量。

torch.cat() 多个张量连结(concatenate)在一起，把它们端对端地叠起来形成一个更大的张量。我们只需要提供张量列表，并给出沿哪个轴连结。 下面的例子分别演示了当我们沿行(轴-0，形状

random.shuffle() random.shuffle()用于将一个列表中的元素打乱顺序，值得注意的是使用这个方法不会生成新的列表，只是将原列表的次序打乱。 代码案例

torch.matmul torch.matmul是tensor的乘法，输入可以是高维的。 当输入是都是二维时，就是普通的矩阵乘法，和tensor.mm函数用法相同。 如果维度更高呢？前面的维度必须要

torch.normal() 返回一个张量，包含从给定参数means,std的离散正态分布中抽取随机数。均值means是一个张量，包含每个输出元素相关的正态分布的均值。std是一个张量，包含每个输出元