Python深度学习:基于PyTorch

(副标题)：无 ;

(作者): 吴茂贵，郁明敏，杨本法，李涛，张粤磊 ;

内容简介：

​ 2.4.1　Tensor概述
对Tensor的操作很多，从接口的角度来划分，可以分为两类：
1）torch.function，如torch.sum、torch.add等；
2）tensor.function，如tensor.view、tensor.add等。
这些操作对大部分Tensor都是等价的，如torch.add(x,y)与x.add(y)等价。在实际使用时，可以根据个人爱好选择。
如果从修改方式的角度来划分，可以分为以下两类：
1）不修改自身数据，如x.add(y)，x的数据不变，返回一个新的Tensor。
2）修改自身数据，如x.add_(y)（运行符带下划线后缀），运算结果存在x中，x被修改。

import torch

x=torch.tensor([1,2])

y=torch.tensor([3,4])

z=x.add(y)

print(z)

print(x)

x.add_(y)

print(x)

运行结果：

tensor([4, 6])

tensor([1, 2])

tensor([4, 6])

目录预览：

​ Python深度学习：基于PyTorch
第1章 Numpy基础
1.1 生成Numpy数组
1.1.1 从已有数据中创建数组
1.1.2 利用random模块生成数组
1.1.3 创建特定形状的多维数组
1.1.4 利用arange、linspace函数生成数组
1.2 获取元素
1.3 Numpy的算术运算
1.3.1 对应元素相乘
1.3.2 点积运算
1.4 数组变形
1.4.1 更改数组的形状
1.4.2 合并数组
1.5 批量处理
1.6 通用函数
1.7 广播机制
1.8 小结
第2章 PyTorch基础
2.1 为何选择PyTorch？
........