深度学习基础框架

1. 数据操作

（1）元素访问

-----回顾一下基础的访问方法，特别是针对二维数组的情况。（一列这里应该是[:,1]，ppt打错了）

针对子区域模式，注意是开区间（1:3指【1，3），1：指从第一列往后的所有数据） ::指跳跃方式访问，::n-->每n位跳一次访问

torch中以张量形式储存数据--结合数组维度

构建张量后，加减乘除运算都是对应元素进行的

torch.cat--dim=0表示行拼接，列数不变，dim=1表示列拼接，行数不变

对张量中所有元素求和--X.sum,求和后产生只有一个元素的张量

注意：广播机制可以实现形状不同的张量进行按元素操作 ---维度的增加，所以要注意元素维度

python中的内存操作---针对大数组时才考虑

---- id()类似于C++中指针的作用

构建csv文件
利用os库和pandas库进行数据的读写，注意如何处理缺失的数据（.fillna），典型方法包括插值和删除

对于类别值或者离散值，可以将NaN视作一个类别

构建数值类型后可转化为张量格式

整体流程：读入CSV文件，处理缺失值，再对类别/离散值进行类别划分，全部转化为数值类型的。