目录

一、创建ndarray数组

1.1创建全0或者全1数组

1.2从python数组中直接构造

1.3 创建随机数组，即每个元素的值都是随机采样而来

 二、操作数组

 三、广播

四、 ndarray和numpy的转换

 五、替换操作（为了减少内存——优化）

 总结

处理数据：数据读取和当数据已经在内存里时如何处理
NDArray——MXNet储存和变化数据的主要工具，和Numpy多维数组类似，但NDArray提供更多功能，一是CPU和GPU的异步计算，二是自动求导，所以使得它更好的支持机器学习。

from mxnet import ndarray as nd

一、创建ndarray数组

1.1创建全0或者全1数组

1.2从python数组中直接构造

1.3 创建随机数组，即每个元素的值都是随机采样而来

（经常被用来初始化模型参数）

跟numpy一样，每个数组的形状可用 .shape来获取,数组的元素个数，用size来获取

 

 二、操作数组

 

 

 

 三、广播

当二元操作符左右两边ndarray形状不一样时，系统会尝试将其复制到一个共同的形状。

如当a是三行1列的矩阵，b是一行两列的矩阵，将其相加为：

两矩阵形状不一致，无法相加，广播机制就是，将a的三行1列复制到第2列，变成三行两列，同理将b的一行两列复制到第二行和第三行，变成三行两列，最后再相加 

四、 ndarray和numpy的转换

 五、替换操作（为了减少内存——优化）

在前面的样例中，我们为每个操作新开内存来存储它的结果，比如y=x+y,会把y指向的实例转到新建的实例上去

可以看到内存地址不同

我们可以把结果通过[:]写到一个之前开好的数组里：

 但这里我们还是为了x+y创建了临时空间，然后再复制到z，避免这个开销，我们可以使用操作符的全名版本中的out参数:

 若现有的数组之后不会再用，我们也可以用复制操作符达到这个目的

 总结

 ndarray模块提供一系列多维数组操作函数。

所有函数列表参加NDArray API文档