索引与切片 主讲人：龙良曲 Indexing ▪ dim 0 first select first/last N select by steps select by specific index … select by mask ▪ .masked_select() select by flatten index 下一课时 Tensor变换 Thank You.

OpenShift Container Platform 集群提供完整的 转换加密。这作为技术预览功能提供。 要使用这个功能，您需要为网络基础架构定义一个 IPsec 配置。如需更多信息，请参阅为外部 IPsec 端点 启用 IPsec 加密。 1.3.9.12. 单 单堆 堆栈 栈 IPv6 支持 支持 Kubernetes NMstate 在这个版本中，您可以在单堆栈 IPv6 集群中使用 Kubernetes 的错误消息。在这个版本中，安装到此区域可以成功。 (OCPBUGS-2324) 在以前的版本中，在 AWS 上安装可能会失败，因为安装程序没有使用所需的服务端点创建 cloud.conf 文件。这会导致机器配置 Operator 创建一个缺少服务端点的空 cloud.conf 文件，从 而导致错误。在这个版本中，安装程序总是创建 cloud.conf 文件，以便安装成功。(OCPBUGS- 20401) S-11565) 与 HaProxy 相关的 segfault 失败已解决。用户不应再收到这些错误。(OCPBUGS-11595) 在以前的版本中，如果用户在没有端口号的情况下创建 EndpointSlice 端口，CoreDNS 意外终 止。在这个版本中，验证被添加到 CoreDNS 中，以防止它意外终止。(OCPBUGS-19805) 在以前的版本中，当流量只有一个后端服务时，OpenShift

INGRESS CONTROLLER 端点 端点发 发布策略 布策略 11.1. INGRESS CONTROLLER 端点发布策略 11.2. 其他资源 第 第 12 章 章 验证 验证到端点的 到端点的连 连接 接 12.1. 执行连接健康检查 12.2. 连接健康检查实现 12.3. PODNETWORKCONNECTIVITYCHECK 对象字段 12.4. 验证端点的网络连接 第 第 13 Operator 路由流量。Ingress Controller 中的配置（如定义 endpointPublishingStrategy 类型和内部负载平衡）提供了发布 Ingress Controller 端点的方法。 2.2.1. 路由和 Ingress 的比较 OpenShift Container Platform 中的 Kubernetes Ingress 资源通过作为集群内 pod 运行的共享路由器服务 Operator 路由流量。Ingress Controller 中的配置（如定义 endpointPublishingStrategy 类型和内部负载平衡）提供了发布 Ingress Controller 端点的方法。 7.2. INGRESS 配置资产 安装程序在 config.openshift.io API 组中生成带有 Ingress 资源的资产，cluster-ingress-02- config

4) > a = np.array([1, 2, 3, 4]) > d = a.reshape((2,2)) array([[1, 2], [3, 4]]) 18 ndarray的切片 ndarray的切片和list是一样的。 > a = np.arange(10) > a array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) a[5] a[3:5] 2, 1, 0] [5, 3] 可以通过切片的对ndarray中的元素进行更改。 > a[2:4] = 100, 101 > a array([ 0, 1, 100, 101, 4, 5, 6, 7, 8, 9]) 19 ndarray的切片 ndarray通过切片产生一个新的数组b，b和a共享同一块数据存储空间。 > b = a[3:7] [101, 4, -10, 6] [ 0, 1, 100, 101, 4, -10, 6, 7, 8, 9] 如果想改变这种情况，我们可以用列表对数组元素切片。 > b = a[[3, 3, -3, 8]] > b array([3, 3, 7, 8]) > b[2] = 100 b

4 章 PyTorch 基础 4.1 数据类型 4.2 数值精度 4.3 待优化张量 4.4 创建张量 预览版202112 4.5 张量的典型应用 4.6 索引与切片 4.7 维度变换 4.8 Broadcasting 4.9 数学运算 4.10 前向传播实战 4.11 参考文献 第 5 章 PyTorch 进阶 5.1 合并与分割 6 索引与切片 通过索引与切片操作可以提取张量的部分数据，它们的使用频率非常高，需要熟练掌 握。 4.6.1 索引 PyTorch 张量支持基本的[?][?]⋯标准索引方式，也支持通过逗号分隔索引号的索引方 式。考虑输入?为 4 张32 × 32大小的彩色图片，shape 为[4,32,32,3]，首先创建张量，代码 如下： 预览版202112 4.6 索引与切片 17 ]) 4.6.2 切片 通过start:end: step切片方式可以方便地提取一段数据，其中 start 为开始读取位置的索 引，end 为结束读取位置的索引(不包含 end 位)，step 为采样步长。 预览版202112 第 4 章 PyTorch 基础 18 以 shape 为[4,32,32,3]的图片张量为例，解释如何通过切片获得不同位置的数据。例如

150byte，这样当小文件比较多的时候，就会产生很多的元数据文件，一方面会大量占用 NameNode 的内存空间，另一方面就是元数据文件过多，使得寻址索引速度变慢。 小文件过多，在进行 MR 计算时，会生成过多切片，需要启动过多的 MapTask。每个 MapTask 处理的数据量小，导致 MapTask 的处理时间比启动时间还小，白白消耗资源。 10.1.2 Hadoop 小文件解决方案 1）在数 文件，从而达到减少 NameNode 的内存使用 3）CombineTextInputFormat（计算方向） CombineTextInputFormat 用于将多个小文件在切片过程中生成一个单独的切片或者少 量的切片。 4）开启 uber 模式，实现 JVM 重用（计算方向） 默认情况下，每个 Task 任务都需要启动一个 JVM 来运行，如果 Task 任务计算的数据 量很小，我们可以让同一个

utput.item() 1.Tensors张量的概念 8  Tensor与NumPy的异同 对比项 NumPy Tensor 相同点 可以定义多维数组，进行切片、改变维度、 数学运算等 可以定义多维数组，进行切片、改变维度、数学运 算等 不同点 1、产生的数组类型为 numpy.ndarray； 2、会将ndarray放入 CPU中进行运算； 3、导入方式为import numpy

公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些 本来使用C++，Fortran或Matlab等所做的任务。 60 Python模块-NumPy 切片 61 Python模块-NumPy 广播 62 Python模块-Pandas ⚫Pandas Pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而 创建的。 一维数据结构，包含行索 引和数据两个部分 DataFrame 二维数据结构，包含 带索引的多列数据， 各列的数据类型可能 不同 64 Python模块-Pandas ⚫ 数据索引 df[5:10] 通过切片方式选取多行 df[col_label] or df.col_label 选取列 df.loc[row_label, col_label] 通过标签选取行/列 df.iloc[row_loc

公司使用，以及核心的科学计算组织如：Lawrence Livermore，NASA用其处理一些 本来使用C++，Fortran或Matlab等所做的任务。 61 Python模块-NumPy 切片 62 Python模块-NumPy 广播 63 Python模块-Pandas ⚫Pandas Pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而 创建的。 一维数据结构，包含行索 引和数据两个部分 DataFrame 二维数据结构，包含 带索引的多列数据， 各列的数据类型可能 不同 65 Python模块-Pandas ⚫ 数据索引 df[5:10] 通过切片方式选取多行 df[col_label] or df.col_label 选取列 df.loc[row_label, col_label] 通过标签选取行/列 df.iloc[row_loc

HDFS平台十分适合处理大型顺序操作，其中的数据读取“切 片”通常为64MB或128MB。通常情况下，除非应用程序加载 数据来管理相关任务，否则不会对HDFS文件进行分区或排 序。即使应用程序可以对生成的数据切片进行分区和排序， 也无法保证数据切片在HDFS系统中的位置正确。这意味着， 无法在该环境中有效管理数据搭配工作。数据搭配（Data collocation）至关重要，因为它可确保将联接（join）键相同的 数