动手学深度学习day2（线性代数）

转置：

A.T

对称矩阵判断：

A == A.T

三维向量：
 

x = torch.arange(24).reshape(2,3,4)
print(x)

输出结果：
tensor([[[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11]],

        [[12, 13, 14, 15],
         [16, 17, 18, 19],
         [20, 21, 22, 23]]])

降维：
 

# A.hape = [2，5，4]
# axis0 A.shape = [5,4]
# axis1 A.shape = [2,4]
# axis1,2 A.shape = [2]
# keepdims=True可以防止降维


A = torch.arange(12).reshape(3,4)
print(A)
A_sum_axis0 = A.sum(axis=0)   # axis=0,按行降维
print(A_sum_axis0)
A_sum_axis1 = A.sum(axis=1)   # axis=1,按列降维
print(A_sum_axis1)

A.sum(axis=[0, 1]) # 结果和A.sum()相同

输出结果：
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]])
tensor([12, 15, 18, 21])
tensor([ 6, 22, 38])

均值：
 

A.mean(), A.sum() / A.numel()
A.mean(axis=0), A.sum(axis=0) / A.shape[0]  # 求每一列的均值

输出结果：
(tensor(9.5000), tensor(9.5000))
(tensor([ 8., 9., 10., 11.]), tensor([ 8., 9., 10., 11.]))

非降维求和（可通过广播机制求A除以A_sum）：
 

sum_A = A.sum(axis=1, keepdims=True)
print（sum_A）
print（A / sum_）

输出结果：
tensor([[ 6.],
[22.],
[38.],
[54.],
[70.]])
tensor([[0.0000, 0.1667, 0.3333, 0.5000],
        [0.1818, 0.2273, 0.2727, 0.3182],
        [0.2105, 0.2368, 0.2632, 0.2895],
        [0.2222, 0.2407, 0.2593, 0.2778],
        [0.2286, 0.2429, 0.2571, 0.2714]])

某个轴计算A累计总和：
 

A = torch.arange(12).reshape(3,4)
print(A)
print(A.cumsum(axis=0))

输出结果：
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]])
tensor([[ 0,  1,  2,  3],
        [ 4,  6,  8, 10],
        [12, 15, 18, 21]])

点积：
 

x = arange(4)
y = torch.ones(4, dtype = torch.float32)
x, y, torch.dot(x, y)     # 只能求两个向量乘法
torch.sum(x * y)

输出结果：
(tensor([0., 1., 2., 3.]), tensor([1., 1., 1., 1.]), tensor(6.))
tensor(6.)

线性表出AX = B：
 

A = torch.arange(12).reshape(3,4)
x = torch.arange(4)
print(A,x)
B = torch.mv(A,x)     # m表示矩阵，v表示向量
print(B)

输出结果：
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]]) tensor([0, 1, 2, 3])
tensor([14, 38, 62])

矩阵乘法：
 

B = torch.ones(4, 3)
torch.mm(A, B)

范数：
 

u = torch.tensor([3.0, -4.0])
torch.norm(u)       # 输入为浮点数，L2范数
torch.abs(u).sum()  # L1范数
# torch.norm(u,2)

输出结果:
tensor(5.)
tensor(7.)

# Frobenius范数
torch.norm(torch.ones((4, 9)))  # 矩阵各元素平方和开根号

输出结果：
tensor(6.)