Tensor dot （张量点）

最新推荐文章于 2024-01-24 16:41:13 发布

计算机女孩绝不认输

最新推荐文章于 2024-01-24 16:41:13 发布

阅读量1.2k

点赞数 1

分类专栏： Deep learning with python 文章标签： python 深度学习张量人工智能

本文链接：https://blog.csdn.net/ITGIRLno1/article/details/114790775

版权

点运算，又称张量积，在深度学习中扮演重要角色。不同于元素积，它结合了张量的元素。在Numpy、Keras、Theano和TensorFlow中，张量点积有不同的实现方式。对于向量，点积产生标量；对于矩阵和向量，它返回一个由行和列向量点积构成的向量。形状兼容性是进行点积的关键，确保张量的维度能够正确对齐。掌握这一点对于理解和实现机器学习算法至关重要。

摘要由CSDN通过智能技术生成

点运算，也称为张量积(不要与元素积混淆)是最常见、最有用的张量运算。与元素操作相反，它组合了输入张量中的项。使用Numpy、Keras、Theano和TensorFlow中的*操作符完成元素的乘积。在TensorFlow中，点使用了不同的语法，但在Numpy和Keras中，它都使用了标准的点操作符:
import numpy as np
z = np.dot(x, y)
在数学符号中，你可以用点(.)来标记操作:
z = x . y
从数学上讲，点运算有什么作用?让我们从两个向量x和y的点积开始，它的计算方法如下:

def naive_vector_dot(x, y):
    assert len(x.shape) == 1
    assert len(y.shape) == 1
    assert x.shape[0</

最低0.47元/天解锁文章

计算机女孩绝不认输

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
Tensor dot （张量点）

点运算，也称为张量积(不要与元素积混淆)是最常见、最有用的张量运算。与元素操作相反，它组合了输入张量中的项。使用Numpy、Keras、Theano和TensorFlow中的*操作符完成元素的乘积。在TensorFlow中，点使用了不同的语法，但在Numpy和Keras中，它都使用了标准的点操作符:import numpy as npz = np.dot(x, y)在数学符号中，你可以用点(.)来标记操作:z = x . y从数学上讲，点运算有什么作用?让我们从两个向量x和y的点积开始，它的计算方
复制链接

扫一扫