动手学深度学习笔记---ndarray

Ndarray->nd

和array相比，多提供GPU计算和自动求梯度-->自动求梯度适合深度学习

1. Arange-->产生序列数
2. Array-->产生array。Array([])-->一维，array([[]])-->二维
3. Ones-->产生1阵   zeros-->产生0阵
4. Random_normal(x,y,shape=(m,n))-->高斯概率产生随机数
5. dot.()-->矩阵点乘   x*y-->对应元素相乘
6. Concat-->dim=0列上连结，dim=1行上连结
7. ==-->判别相等
8. Asscalar-->size 1 一维数组转化为标量
9. Norm()-->求范数
10. 广播机制，两个形状不同的ndarray做运算，触发
11. Ndarray 的索引从0开始

1. 重点：内存开销
   id()-->查看内存地址

在前面的例子里我们对每个操作新开内存来存储运算结果。举个例子，即使像Y = X + Y这样的运算，我们也会新开内存，然后将Y指向新内存。为了演示这一点，我们可以使用Python自带的id函数：如果两个实例的ID一致，那么它们所对应的内存地址相同；反之则不同。

1. X.Zeros_like()-->创建和x相同形状的0矩阵
2. 可以通过[:]直接写进该变量的内存里，不用新开内存
3. 也有避免临时内存开销的函数：elemwise_add(x,y,out=z)
4. Ndarrray 和numpy 互换  ：asnumpy-->ndarray变为numpy       np.ndarray