#5. Тензоры. Индексирование и срезы | Нейросети на PyTorch

• Индексация срезами в тензорах похожа на обращение к элементам и создание срезов в Python.  

• Пример одномерного тензора от 0 до 11.  

• Обращение к элементу тензора через имя тензора и индекс.  

• Отрицательные индексы отсчитываются с конца.  

• Изменение значения элемента через присвоение нового значения.  

• Создание срезов через имя тензора и индексы.  

• Срезы создают новые представления данных, а не копии.  

• Изменение одного среза влияет на все связанные тензоры.  

• Примеры срезов с различными индексами и шагами.  

• Срезы могут быть отрицательными и указывать границы.  

• Срезы могут присваивать значения элементам тензора.  

• Индексация в двумерных и более высоких размерностях.  

• Примеры индексации с использованием индексов по осям.  

• Создание срезов и их использование для выделения подтензоров.  

• Списочная индексация через списки и целочисленные тензоры.  

• Пример создания копии тензора через список индексов.  

• Списочная индексация полезна для создания новых тензоров.  

• Списки в Python позволяют создавать новые тензоры на основе существующих.  

• Пример: изменение первого элемента тензора "а" на 100, при этом тензор "б" изменяется.  

• Списки позволяют создавать новые тензоры с определенными индексами.  

• Списочная индексация позволяет создавать новые тензоры на основе существующих.  

• Пример: создание тензора с индексами 0, 1, 7, 5.  

• Булевая индексация позволяет создавать тензоры с дублирующими значениями.  

• Пример: создание тензора с значениями True, False и применение его к другому тензору.  

• Булевая индексация позволяет выделять нужные элементы из тензоров.  

• Пример: фильтрация элементов тензора "а", которые больше пяти.  

• Объединение условий и операций в одну строку кода для удобства.  

• Пример: выделение элементов тензора "а", которые больше пяти.