1、张量求和sum(),求平均值mean()
如:A.shape(2,5,4)
A.sum(axis=0), -> A.shape(5,4)
A.sum(axis=2), ->A.shape(2,5)
A.sum(axis=1,2) ->A.shape(2)
mean()用法同理:会减少张量的维度
2. 若要保持求和之后的维度不会减少,则用:keepdims=True
e.g:
sum_A = A.sum(axis=1, keepdims=True)
sum_A
3.
向量与向量的乘积:点积
torch.dot(x,y)
矩阵与向量的乘积:
torch.mv(A,x), 其中A的列维数与x的维数要相同。
矩阵与矩阵的乘积:
torch.mm(A,B)
4.范数
2范数:torch.norm(A,p=2)
F范数:torch.norm(A,p='fro')