福桃九分饱看视频版《动手学深度学习》第二课的时候，我一度以为是自己漏看了一节：没有模型，没有损失函数，整节都在讲怎么对张量做切片、reshape、拼接、广播。但这些看似基础的“数据基本操作”，后来几乎构成了我写所有训练代码的地基。尤其是当你在真实项目里处理图像、文本、表格数据，而不是教材里现成的 mnist 时，才会发现数据如果不整理成模型能吃的形状，后面再花哨的网络结构都跑不起来。
这门课的定位很清楚，适合刚入门深度学习、想系统搭起知识框架的人。数据基本操作就是那个最先要过的坎。不管是 PyTorch、TensorFlow 还是 Paddle，核心的数据结构都是张量（Tensor），围绕张量的创建、访问、变换、组合、批量装载，就是第二课真正想让你掌握的“肌肉记忆”。这篇笔记我会以 PyTorch 为例，把第二课的要点串成一条完整的数据处理链路，把我自己踩过的坑、查阅过的底层逻辑一并放进去，尽量把每一步“为什么要这么做”也讲明白。
1. 数据操作：深度学习里最先要过的坎
1.1 为什么第二课就把数据操作摆在模型前面
很多初学者会觉得，深度学习入门不都应该从“神经网络长什么样”开始吗？我一开始也有这个错觉。但真按课程顺序走下来就会明白，所有深度学习框架的底层计算，都不是对着原始图片、文本字符串做的，而是统一交给一种叫“张量”的多维数组。你输入一张 224ｘ224 的彩色图片，对框架来说就是一个形状为 [3, 224, 224] 的张量；你输入一句长度为 20 的话，token 化之后就变成 [1, 20] 甚至 [batch, 20, hidden] 的张量。
如果连张量都操作不熟练，后面写数据管道会非常痛苦。课程把这个内容排在第二课，相当于先修一条路，后面模型训练、反向传播都是在这条路上跑车。我个人还会额外把它看作“从数学符号过渡到编程实现”的桥梁：数学课上我们说矩阵相乘，代码里就要做张量乘法；数学上说“把这个矩阵转置”，代码里就要做 .T 或 .permute。你越早把这两套语言对应起来，后面读论文复现代码就越顺。
1.2 一次数据操作到底在做什么
用大白话描述，数据进入模型前要经历五个环节：读取、清洗、格式化、张量化、按批供给。前两件事取决于具体业务，图像要解码、文本要去噪、表格要补缺失值；格式化与张量化则相对通用，就是把数据变成统一尺寸、统一数值类型、统一排布规则的多维数组；按批供给则是训练时用 DataLoader 不停地把数据一小块一小块喂给模型。
很多人会忽略格式化这个环节。比如图像数据有的项目是 [高，宽，通道]，有的框架期望 [通道，高，宽]；同一个数据，排布顺序不同，模型看到的“语义”完全不同。第二课里练的 reshape、permute、transpose，本质上都在解决这类维度约定问题。学的时候不是背几个 API，而是要建立起“数据形状就是我对框架说的话”这种意识。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 张量基础操作，先把手感和维度感练出来
2.1 从创建张量到看懂 shape：先学会“查形状”
我不建议一上来就死磕 torch 的全部初始化方式，先把最常用的几个记熟就够了。torch.arange(12) 会生成从 0 到 11 的一维张量，torch.zeros((2,3)) 和 torch.ones((2,3)) 初始化全 0、全 1 张量，torch.randn((3,4)) 生成标准正态分布的随机张量。实际写代码时，随机初始化常用来模拟输入、验证网络前向能不能通；全 0、全 1 张量则常用于初始化掩码或某些中间变量。
python复制import torch
x = torch.arange(12)
print(x.shape) # torch.Size([12])
print(x.numel()) # 12，元素个数
print(x.reshape(3, 4)) # 变成 3 行 4 列
y = torch.randn(3, 4)
print(y.shape) # torch.Size([3, 4])
这里最容易被忽略的是 reshape 的底层逻辑。它把原张量按“行优先”顺序拉平，再重新切成目标形状，所以元素总量必须一致。换句话说，reshape(3,4) 不是简单地对半裁，而是把 0 到 11 这 12 个数按顺序填成三行四列。很多新手会忽略的一件事是：reshape 可能返回原数据的视图，也可能触发拷贝，取决于内存是否连续。如果你之后对 reshape 后的结果做原地修改，又把它当成原数据的副本，容易出隐蔽 bug。我的习惯是：不确定会不会影响原数据时，优先用 .clone() .reshape()，或者直接用 .view() 前先确认内存连续。课程里只讲了 API，但这一条经验是我在实际项目里吃过亏后才记住的。
2.2 索引、切片与拼接：像操作列表一样操作张量
张量支持类似 Python 列表的索引方式，但维度更多，规则也更强。要练出手感，核心是记住：X[-1] 取最后一行，X[1:3] 取第 2 行到第 3 行，左闭右开，和 Python 原生切片一致。多维索引时每个维度依次写，比如取一张图片张量 img 的 R 通道就是 img[0]，如果图片张量形状是 [3, H, W]，还可以用 img[0, :, :] 来强调维度语义。
拼接在数据准备中非常常用。torch.cat 沿已有维度拼接，不新增维度；