深度学习-学习笔记2

张量的基本操作

1.降维

降维求和求均值

#求和，求均值
x = torch.arange(20,dtype=torch.float32).reshape(5,4)
x,x.sum(),x.mean()
#axis=0 通过对行的元素求和来进行降维，也就是对每一列进行求和
#axis=1 通过对列的元素求和来进行降维，也就是对每一行进行求和
x,x.sum(axis=0),x.sum(axis=1)

x,x.mean(axis=0),x.mean(axis=1)

---

非降维求和求均值

sum_x = x.sum(axis=1,keepdims = True)
sum_x

---

点积

#点积
x = torch.ones(4,dtype = torch.float32)
y = torch.ones(4,dtype = torch.float32)
x,y,torch.dot(x,y)

---

向量积

#矩阵向量积
A = torch.arange(20,dtype = torch.float32).reshape(5,4)
B = torch.arange(4,dtype = torch.float32)
A,B,torch.mv(A,B)

---

矩阵乘法

#矩阵乘法
C = torch.arange(20,dtype = torch.float32).reshape(4,5)
A,C,torch.mm(A,C)

---

向量的范数

• L₁范数表示的是向量元素的绝对值之和。
• L₂范数表示的是向量元素的平方和的平方根。

#L2范数
u = torch.tensor([3.0,-4.0])
torch.norm(u)

#L1范数
torch.abs(u).sum()

---