张量

torch
在这里插入图片描述
dim是0的时候,按照2也就是行扩展
dim是1的时候,按照3也就是列扩展

t = torch.ones((2, 3))
t0 = torch.cat([t, t], dim=0)
t1 = torch.cat([t, t], dim=1)
print(t)
print("t0:{}\nt0 shape:{}\n\nt1:{}\nt1 shape:{}".format(t0, t0.shape, t1, t1.shape))

在这里插入图片描述
一些性质:

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
埃尔法和贝特首先是线性无关的向量组,并且来自于不同的特征向量
那么可以推导出线性无关:
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值