动手学深度学习（一）—— 数据操作及预处理

Jason Avicii

904人浏览 · 2021-12-08 00:41:15

Jason Avicii · 2021-12-08 00:41:15 发布

一.数据操作

首先，我们导入torch。请注意虽然被称为Pytorch，但是我们应该导入torch，而不是pytorch

import torch

张量表示一个数值组成的数组，这个数组可能有多个维度

x = torch.arange(12)
print(x)

'''
输出结果：
tensor([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])
'''

我们可以通过张量的shape属性来访问张量的形状和张量的元素总数

print(x.shape)
print(x.numel())

'''
输出结果：
torch.Size([12])
12
'''

要改变一个张量的形状而不改变元素数量和元素值，我们可以调用reshape函数

X = x.reshape(3,4)
print(X)

'''
输出结果：
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]])
'''

使用全0、全1、其他常量或者从特定分布中随机采样的数字

print(torch.zeros((2,3,4)))
print(torch.ones((2,3,4)))

'''
输出结果：
tensor([[[0., 0., 0., 0.],
         [0., 0., 0., 0.],
         [0., 0., 0., 0.]],

        [[0., 0., 0., 0.],
         [0., 0., 0., 0.],
         [0., 0., 0., 0.]]])
         
tensor([[[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]],

        [[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]]])
'''

通过提供包含数值的Python列表（或者嵌套列表）来为所需张量中每个元素赋予确定值

print(torch.tensor([[2,1,4,3],[1,2,3,4],[4,3,2,1]]))
print(torch.tensor([[2,1,4,3],[1,2,3,4],[4,3,2,1]]).shape)

'''
输出结果：
tensor([[2, 1, 4, 3],
        [1, 2, 3, 4],
        [4, 3, 2, 1]])
torch.Size([3, 4])
'''

常见的标准算术运算符（+、-、/和*）都可以被升级为按元素运算

x = torch.tensor([1.0,2,4,8])
y = torch.tensor([2,2,2,2])
# **表示的求幂运算
print(x+y,x-y,x*y,x/y,x**y)

'''
输出结果：
tensor([ 3.,  4.,  6., 10.]) 
tensor([-1.,  0.,  2.,  6.]) 
tensor([ 2.,  4.,  8., 16.]) 
tensor([0.5000, 1.0000, 2.0000, 4.0000])
tensor([ 1.,  4., 16., 64.])
'''

按元素方式应用更多的计算

print(torch.exp(x))

'''
输出结果：
tensor([2.7183e+00, 7.3891e+00, 5.4598e+01, 2.9810e+03])
'''

我们也可以把多个张量连接在一起

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]])
print(torch.cat((X,Y),dim=0))   ##竖着叠加
print(torch.cat((X,Y),dim=1))   ##横着拼接

'''
输出结果：
tensor([[ 0.,  1.,  2.,  3.],
        [ 4.,  5.,  6.,  7.],
        [ 8.,  9., 10., 11.],
        [ 2.,  1.,  4.,  3.],
        [ 1.,  2.,  3.,  4.],
        [ 4.,  3.,  2.,  1.]])
tensor([[ 0.,  1.,  2.,  3.,  2.,  1.,  4.,  3.],
        [ 4.,  5.,  6.,  7.,  1.,  2.,  3.,  4.],
        [ 8.,  9., 10., 11.,  4.,  3.,  2.,  1.]])
'''

通过逻辑运算符构建二元张量

print(x == y)

'''
输出结果：
tensor([[False,  True, False,  True],
        [False, False, False, False],
        [False, False, False, False]])
'''

对张量中的所有元素进行求和会产生一个只有一个元素的张量

print(X.sum())

'''
输出结果：
tensor(66)
'''

即使形状不同，我们仍然可以通过调用广播机制（broadcasting mechanism）来执行按元素操作

a = torch.arange(3).reshape((3,1))
b = torch.arange(2).reshape((1,2))
print(a)
print(b)
print(a+b)

'''
输出结果：
tensor([[0],
        [1],
        [2]])
tensor([[0, 1]])
tensor([[0, 1],
        [1, 2],
        [2, 3]])
'''

可以用[-1]选择最后一个元素，可以用[1:3]选择第二个和第三个元素

print(X[-1])
print(X[1:3])

'''
输出结果：
tensor([ 8.,  9., 10., 11.])
tensor([[ 4.,  5.,  6.,  7.],
        [ 8.,  9., 10., 11.]])
'''

除读取外，我们还可以通过指定索引来将元素写入矩阵

X[1,2] = 9
print(X)

'''
输出结果：
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  9,  7],
        [ 8,  9, 10, 11]])
'''

为多个元素赋值相同的值，我们只需要索引所有元素，然后为它们赋值

X[0:2,:] = 12
print(X)

'''
输出结果：
tensor([[12, 12, 12, 12],
        [12, 12, 12, 12],
        [ 8,  9, 10, 11]])
'''

运行一些操作可能会导致为新结果分配内存

before = id(Y)
Y = Y + X
id(Y) == before

'''
输出结果：
False
'''

执行原地操作

Z = torch.zeros_like(Y)
print('id(Z):',id(Z))
Z[:] = X + Y
print('id(Z):',id(Z))

'''
输出结果：
id(Z): 2107596130968
id(Z): 2107596130968
'''

如果在后续计算中没有重复使用x,我们也可以使用X[:] = X + Y或者X += Y来减少内存开销

before = id(X)
X += Y
id(X) == before

'''
输出结果：
True
'''

转换为Numpy张量

A = X.numpy()
B = torch.tensor(A)
print(type(A))
print(type(B))

'''
输出结果：
numpy.ndarray
torch.Tensor
'''

将大小为1的张量转换为Python标量

a = torch.tensor([3.5])
print(a,a.item(),float(a),int(a))

'''
输出结果：
tensor([3.5000]) 3.5 3.5 3
'''

二.数据预处理

创建一个人工数据集，并存储在csv(逗号分隔值)文件

import os

os.makedirs(os.path.join('..','data'),exist_ok=True)
data_file = os.path.join('..','data','house_tiny.csv')
with open(data_file,'w') as f:
    f.write('NumRooms,Alley,Price\n')
    f.write('NA,Pave,127500\n')
    f.write('2,NA,106000\n')
    f.write('4,NA,178100\n')
    f.write('NA,NA,140000\n')

从创建的csv文件中加载原始数据集

import pandas as pd
data = pd.read_csv(data_file)
print(data)

'''
输出结果：
   NumRooms Alley   Price
0       NaN  Pave  127500
1       2.0   NaN  106000
2       4.0   NaN  178100
3       NaN   NaN  140000
'''

为了处理缺失数据，典型的方法包括插值和删除，这里，我们将考虑插值

inputs,outputs = data.iloc[:,0:2],data.iloc[:,2]
inputs = inputs.fillna(inputs.mean())
print(inputs)

'''
输出结果：
   NumRooms Alley
0       3.0  Pave
1       2.0   NaN
2       4.0   NaN
3       3.0   NaN
'''

对于inputs中的类别或离散值，我们将“Nan”视为一个类别

## pandas中的get_dummies方法：将Alley这一列做one-hot编码
inputs = pd.get_dummies(inputs,dummy_na=True)
print(inputs)

'''
输出结果：
   NumRooms  Alley_Pave  Alley_nan
0       3.0           1          0
1       2.0           0          1
2       4.0           0          1
3       3.0           0          1
'''

现在inputs和outputs中的所有条目都是数值类型，它们可以转换为张量格式

import torch

x,y = torch.tensor(inputs.values),torch.tensor(outputs.values)
## 对于深度学习而言，一般使用32位浮点数，64位浮点数过慢
print(x,y)

'''
输出结果：
tensor([[3., 1., 0.],
        [2., 0., 1.],
        [4., 0., 1.],
        [3., 0., 1.]], dtype=torch.float64) tensor([127500, 106000, 178100, 140000])
'''

三.数据相关QA

1.reshape函数与view函数的区别：

二者没有本质上区别， reshape一个数组并没有没有改变地址,修改reshape后的数组，原数组也会改变

import torch
a = torch.arange(12)
b = a.reshape((3,4))
b[:] = 2
print(a)

'''
输出结果：
tensor([2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2])
'''

2.torch和array有什么区别

tensor是一个数学上的概念，张量，数学上明确定义，array是一个计算机上的概念，数组，没有数学上定义，tensorflow和pytorch重载了数学上“张量的概念”，实质上，tesnor和array没有本质上区别

3.有图形化的torch编程方案吗？

用二维数学表达计算多元数据，感觉效率不高，没有太多可视化的工具

4.新分配了的y内存，之前y所对应的内存会释放吗？

如果这个内存没有被其他地方使用，Python会自动帮你释放内存

5.可以用jax代替numpy吗？

jax没有那么成熟，不建议使用

DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

【IEEE顶刊复现】水下机器人AUV路径规划和MPC模型预测控制跟踪控制（复现）附Matlab代码

本方案紧密承接你此前长期深耕的无人机/无人系统模型预测控制、路径规划算法复现的研究背景，完整复现IEEE顶刊中AUV三维路径规划+高精度MPC轨迹跟踪控制的核心逻辑，完全适配你熟练掌握的MATLAB仿真开发体系，所有模块注释清晰、可直接运行，支持后续水下机器人控制领域的顶刊算法二次复现与性能改进。

DAMO开发者矩阵

【IEEE顶刊复现】水下机器人AUV路径规划和MPC模型预测控制跟踪控制（复现）附Matlab代码

DAMO开发者矩阵

【IEEE顶刊复现】水下机器人AUV路径规划和MPC模型预测控制跟踪控制（复现）附Matlab代码

DAMO开发者矩阵

所有评论(0)

查看更多评论

Jason Avicii

@qq_45645521

已为社区贡献5条内容

动手学深度学习（一）—— 数据操作及预处理

Jason Avicii

一.数据操作

首先，我们导入torch。请注意虽然被称为Pytorch，但是我们应该导入torch，而不是pytorch

张量表示一个数值组成的数组，这个数组可能有多个维度

我们可以通过张量的shape属性来访问张量的形状和张量的元素总数

要改变一个张量的形状而不改变元素数量和元素值，我们可以调用reshape函数

使用全0、全1、其他常量或者从特定分布中随机采样的数字

通过提供包含数值的Python列表（或者嵌套列表）来为所需张量中每个元素赋予确定值

常见的标准算术运算符（+、-、/和*）都可以被升级为按元素运算

按元素方式应用更多的计算

我们也可以把多个张量连接在一起

通过逻辑运算符构建二元张量

对张量中的所有元素进行求和会产生一个只有一个元素的张量

即使形状不同，我们仍然可以通过调用广播机制（broadcasting mechanism）来执行按元素操作

可以用[-1]选择最后一个元素，可以用[1:3]选择第二个和第三个元素

除读取外，我们还可以通过指定索引来将元素写入矩阵

为多个元素赋值相同的值，我们只需要索引所有元素，然后为它们赋值

运行一些操作可能会导致为新结果分配内存

执行原地操作

如果在后续计算中没有重复使用x,我们也可以使用X[:] = X + Y或者X += Y来减少内存开销

转换为Numpy张量

将大小为1的张量转换为Python标量

二.数据预处理

创建一个人工数据集，并存储在csv(逗号分隔值)文件

从创建的csv文件中加载原始数据集

为了处理缺失数据，典型的方法包括插值和删除，这里，我们将考虑插值

对于inputs中的类别或离散值，我们将“Nan”视为一个类别

现在inputs和outputs中的所有条目都是数值类型，它们可以转换为张量格式

三.数据相关QA

1.reshape函数与view函数的区别：

2.torch和array有什么区别

3.有图形化的torch编程方案吗？

4.新分配了的y内存，之前y所对应的内存会释放吗？

5.可以用jax代替numpy吗？

所有评论(0)

温馨提示：您尚未绑定手机号

Jason Avicii