本文详细介绍了标量、向量、张量的概念，探讨了张量的维度、运算规则（如矩阵加法、哈达玛积、标量乘法），以及降维和非降维求和的方法。重点讲解了点积、矩阵向量积和矩阵乘法，以及范数的使用。涵盖了深度学习中常用的技术，如L1/L2范数。适合理解张量在机器学习中的核心作用。
1、标量：我们称仅包含一个数值的叫标量。标量由只有一个元素的张量表示。
2、向量：向量为标量值组成的列表，这些标量值称为向量的元素或分量。
3、张量：张量是向量的推广。
4、维度：向量的长度通常称为向量的维度。通过调用内置len(x)函数来访问张量的长度
5、张量算法：
两个形状相同的矩阵相加会在这两个矩阵上执行元素加法
两个矩阵的按元素乘法（哈达玛积）
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。
6、降维：调用求和函数会沿所有的轴降低张量的维度，使它变为一个标量
axis就是轴的意思，用法如下：
A.sum() 对A中的全部元素求和
A.sum(axis=0) ------->列求和，上下压扁
A.sum(axis=1) ------->行求和，左右压扁
A.sum(axis=[0, 1]) # Same as `A.sum()`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.numel（）求张量的元素个数
7、非降维求和：
当 keepidms=True,保持其二维或者三维的特性,(结果保持其原来维数)默认为 False,不保持其二维或者三维的特性.(结果不保持其原来维数)；cumsum函数（计算各行的累加值）不会沿任何轴降低输入张量的维度。（下图为不同维度的张量）
最低0.47元/天 解锁文章
扫一扫
1021
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
