（DL笔记）Dive into Deep Learning -- Linear Algebra

import torch

A = torch.arange(20, dtype=torch.float32).reshape(5, 4)

B = A.clone()  # 通过分配新内存，将A的一个副本分配给B
print('Original matrix')
print(A)
print(id(A))
print(id(B))
B+=1
print(A)
print(B)

B=A # 不分配
print('Original matrix')
print(A)
print(id(A))
print(id(B))
B+=1
print(A)
print(B)


'''
Original matrix
tensor([[ 0.,  1.,  2.,  3.],
        [ 4.,  5.,  6.,  7.],
        [ 8.,  9., 10., 11.],
        [12., 13., 14., 15.],
        [16., 17., 18., 19.]])
140399645950176
140399645950336
tensor([[ 0.,  1.,  2.,  3.],
        [ 4.,  5.,  6.,  7.],
        [ 8.,  9., 10., 11.],
        [12., 13., 14., 15.],
        [16., 17., 18., 19.]])
tensor([[ 1.,  2.,  3.,  4.],
        [ 5.,  6.,  7.,  8.],
        [ 9., 10., 11., 12.],
        [13., 14., 15., 16.],
        [17., 18., 19., 20.]])
-------------------------------------
Original matrix
A
140608687278896
140608687278896
tensor([[ 1.,  2.,  3.,  4.],
        [ 5.,  6.,  7.,  8.],
        [ 9., 10., 11., 12.],
        [13., 14., 15., 16.],
        [17., 18., 19., 20.]])
tensor([[ 1.,  2.,  3.,  4.],
        [ 5.,  6.,  7.,  8.],
        [ 9., 10., 11., 12.],
        [13., 14., 15., 16.],
        [17., 18., 19., 20.]])
'''

print(A)
A_sum_axis0 = A.sum(axis=0) #纵轴求和
print(A_sum_axis0, ' \n ',A_sum_axis0.shape)

A_sum_axis1 = A.sum(axis=1) #横轴求和
print(A_sum_axis1, ' \n ',A_sum_axis1.shape)

'''
tensor([[ 0.,  1.,  2.,  3.],
        [ 4.,  5.,  6.,  7.],
        [ 8.,  9., 10., 11.],
        [12., 13., 14., 15.],
        [16., 17., 18., 19.]])
tensor([40., 45., 50., 55.])  
  torch.Size([4])
tensor([ 6., 22., 38., 54., 70.])  
  torch.Size([5])
'''

B = torch.ones(4, 3)
print(A)
print(B)
print(torch.mm(A, B))
print(torch.norm(B))#元素平方和开根号

'''
tensor([[ 0.,  1.,  2.,  3.],
        [ 4.,  5.,  6.,  7.],
        [ 8.,  9., 10., 11.],
        [12., 13., 14., 15.],
        [16., 17., 18., 19.]])
tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]])
tensor([[ 6.,  6.,  6.],
        [22., 22., 22.],
        [38., 38., 38.],
        [54., 54., 54.],
        [70., 70., 70.]])
tensor(3.4641)
'''

B = torch.ones(4, 3)
print(B)
print(B.cumsum(axis=0)) #向下累加
print(B.cumsum(axis=1)) #向右累加

'''
tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]])
tensor([[1., 1., 1.],
        [2., 2., 2.],
        [3., 3., 3.],
        [4., 4., 4.]])
tensor([[1., 2., 3.],
        [1., 2., 3.],
        [1., 2., 3.],
        [1., 2., 3.]])
'''


A= torch.arange(5)
B = torch.arange(5)
print(torch.sum(A*B)==torch.dot(A, B))
# dot 只能做一维计算

'''
tensor(True)
'''

A= torch.arange(12).reshape(2,2,3)
print(A)
print(len(A)) #通道
print(A.shape) #size
print(A.mT) #transpose

'''
tensor([[[ 0,  1,  2],
         [ 3,  4,  5]],

        [[ 6,  7,  8],
         [ 9, 10, 11]]])
2
torch.Size([2, 2, 3])
tensor([[[ 0,  3],
         [ 1,  4],
         [ 2,  5]],

        [[ 6,  9],
         [ 7, 10],
         [ 8, 11]]])

'''