bikes_numpy = np.loadtxt("../../data/chapter3/hour-fixed.csv", dtype=np.float32, delimiter=",", skiprows=1, converters={1: lambda x: float(x[8:10])}) bikes = torch.from_numpy(bikes_numpy) bikes

这段代码使用了 Numpy 库中的 loadtxt 函数来读取 "../../data/chapter3/hour-fixed.csv" 文件，并将其转换为 float32 类型的数组，以逗号分隔，跳过第 1 行，并使用 converters 参数将第 1 列的数据转换为从第 8 个字符开始的两个字符的浮点数。

然后，使用 PyTorch 中的 from_numpy 函数将 Numpy 数组转换为 PyTorch 张量。

最后，bikes 变量是 PyTorch 张量。

相关问题

daily_bikes = bikes.view(-1, 24, bikes.shape[1]) daily_bikes.shape, daily_bikes.stride()

这段代码中，首先定义了一个变量 daily_bikes，它是对变量 bikes 的视图（view）。这个视图操作实际上是对 bikes 进行重新 reshape（重塑）的操作，将其变为三维张量，形状为 (-1, 24, bikes.shape[1])。

其中，-1 表示的是第一维的大小是根据其他维度的大小自动计算出来的，24 表示第二维的大小为 24，bikes.shape[1] 表示第三维的大小是 bikes 的第二维的大小。

接下来，输出 daily_bikes 的形状（shape）和步长（stride）。步长（stride）是指在内存中相邻元素间的存储间隔，即元素间的距离。

first_day = bikes[:24].long() weather_onehot = torch.zeros(first_day.shape[0], 4) first_day[:,9]

### 回答1：
首先，取出 `bikes` 列表的前 24 行并转化为长整型：

first_day = bikes[:24].long()

接着，创建一个用于保存天气类型的 one-hot 编码的张量：

weather_onehot = torch.zeros(first_day.shape[0], 4)

最后，取出第一天数据中第 9 列的数据：

first_day[:, 9]

### 回答2：
first_day = bikes[:24].long() 表示取出bikes中的前24个元素，并将其转换为long类型。

weather_onehot = torch.zeros(first_day.shape[0], 4) 表示创建一个形状为(first_day.shape[0], 4)的全部为0的tensor。

first_day[:, 9] 表示对first_day tensor的第9列进行切片操作。

综合起来，以上代码的意思是将bikes中的前24个元素转换为long类型，并将其存储在first_day中，然后创建一个形状为(first_day.shape[0], 4)的全部为0的tensor，并存储在weather_onehot中，最后对first_day tensor的第9列进行切片操作。