我们直接看下面一段代码：
def accuracy(out, yb):
preds = torch.argmax(out, dim=1)
return (preds == yb).float().mean()这是一个计算分类数据精确度的函数，这段代码简直是神一样的代码，让人惊叹到下巴都掉到火星上去了！实现这么复杂的任务，居然能够如此优雅！
假设函数的参数out = [[a00, a01, a02], [a10, a11, a12]]，其中0维度中每一项的数据对应这一个实体在第1维度的3个可能的权值。第1维度中，我们判定那个值最大，则认可该值对应的项目为所选项目。yb = [b0, b1]表示期望值。例如,a00, a01, a02中，如果a02最大，那么我们认为这一项对应的值为2, 如果b0也等于2,那么我们就说out的第一项判断是准确的。否则，则为错误。我们把准确的记为1, 错误的记为0, 然后统计这些1和0的平均值，并认为这个平均值为out中的准确度。如果是我来解决这个问题，我的代码可能就是这个样子了：
def accuracy(out, yb):
preds = torch.argmax(out, dim=1)
total = 0
def f(i):
if(preds[i] == yb[i]):
total += 1
for i in range(preds.shape[0]):
if(preds[i] == yb[i]):
total += 1
return total / preds.shape[0]我感觉自己永远需要铭记一点，任何时候我打算用for来遍历一个数组时，我都应该想想有没有可能直接使用数组运算来代替！数组思维！数组思维！目前的我在数据处理的问题上，太缺乏数组思维了！
相比而言，最上面那段代码太完美了！
使用(preds == yb)运算，得到一个bool型的数组，(preds==yb).float()将数组转化为float类型，然后(preds==yb).float().mean()对所有数据求平均值！完美！完美！完美！这段代码中对数组的操作应用得太成熟了！
那么，我应该怎么样思考，才能写出那么优雅的代码呢？以下是我的一些想法：
前面我也提到"我们把准确的记为1, 错误的记为0, 然后统计这些1和0的平均值，并认为这个平均值为out中的准确度。"，那么在这里，我就应该想办法要去构建一个描述可能正确与否的一个数组。这要这么想，如果我又熟悉数组级别的条件判断应用，我也应该能写出preds == yb来！
总结起来，我与别人差距至少有以下2个点：
- 缺乏构建数组的思维
- 对数组的条件判断运算操作缺乏认知