NumRooms Alley 0 3.0 Pave 1 2.0 NaN 2 4.0 NaN 3 3.0 NaN
print(np.mean(inputs,1))#压缩列,变成1*n
print(np.mean(inputs,0))#压缩列,变成n*1
为什么会
0 3.0 1 2.0 2 4.0 3 3.0 dtype: float64 NumRooms 3.0 dtype: float64
我们将这些标量值称为向量的元素(element)或分量(component)。 通常将向量记为粗体、小写的符号 (例如,𝐱、𝐲和𝐳)。向量是一阶张量,矩阵是二阶张量。 张量用特殊字体的大写字母表示(例如,𝖷、𝖸和𝖹)
两个矩阵的按元素乘法称为Hadamard积(Hadamard product)A * B
将张量乘以或加上一个标量不会改变张量的形状,其中张量的每个元素都将与标量相加或相乘。
求和axis=0求出来的结果是行,axis=1求出来的结果是列
沿着行和列对矩阵求和,等价于对矩阵的所有元素进行求和。
A.sum(axis=[0, 1]) # SameasA.sum()
计算元素总数 A.numel
但是,有时在调用函数来[计算总和或均值时保持轴数不变]会很有用。keepdim=Ture
如果我们想沿[某个轴计算A
元素的累积总和], 比如axis=0
(按行计算),我们可以调用cumsum
函数。 此函数不会沿任何轴降低输入张量的维度。结果按照axis的值来显示。0行1列
点积torch.dot(x, y) 两个向量之间的运算
当我们为矩阵A
和向量x
调用torch.mv(A, x)
时,会执行矩阵-向量积。 注意,A
的列维数(沿轴1的长度)必须与x
的维数(其长度)相同。 矩阵与向量的运算
torch.mm(A, B) 矩阵与矩阵的乘法
𝐿2范数是向量元素平方和的平方根:torch.norm(u)
𝐿1范数,它表示为向量元素的绝对值之和:torch.abs(u).sum()
Frobenius范数(Frobenius norm)是矩阵元素平方和的平方根:torch.norm(torch.ones((4, 9)))