🏠 总目录 NumPy 与向量化思维 · 把循环换成数组运算

NUMPY / index · NumPy 与向量化思维

从一个数组意外,找到这一层的规则。

不是从头背一套 API。沿着你眼前的结果、形状或运行方式,找到本次真正需要理解的那一段。

13 个阅读单元涵盖形状、索引、内存、向量化与数值计算。

catalog 机制示意机制关系;完整条件见图注。结果怎么变了?04 共享 / 06 索引shape 怎么算?02 轴 / 03 广播代码怎样改?07 改写 / 08 dtype
这是一张问题地图,不是完成顺序。所有原有章节仍在完整目录里。

NumPy 与向量化思维

不是学 API,是把「一个一个处理」的脑子换成「整块一起想」的脑子。

写 for 循环遍历数组,在 NumPy 里几乎总是错的 —— 不只是慢, 更是你还在用错误的方式思考这个问题。 从广播规则到内存 stride,从视图与拷贝到 log 域运算, 最后一章直接接到 PyTorch:张量就是同一套说明书。

🔁 从「为什么写循环是错的」开始 🧱 直接看 stride

旧标题中的“错”是提醒,不是普遍规则。小数组、I/O、状态递推或无法表达为数组操作的任务,循环可能更合适;第 01 章保留了具体反例与测量条件。

先看一次共享内存的意外

用四个数核对:改了切片,原数组里的哪一格也变了?

0%
你的进度(在每章末尾点「打卡」,保存在本浏览器里)

阶段 0 · 准备先按问题选入口;指南完整阅读约 44 分钟,安装与练习另计

阶段 1 · 思维转换⭐ 从「写循环」改成「整块地想」,第 3 章广播是枢纽

阶段 2 · 内存这一层⭐⭐ 第 5 章 stride 是全站归属点,PyTorch 和 C++ 板块都链回这里

阶段 3 · 真的写起来把循环改掉、别被 dtype 坑、数值稳定性

阶段 4 · 接出去可复现,以及通向 PyTorch 的那座桥

随时查API 速查 + 报错反查表