李沐深度学习笔记-05线性代数

本文介绍了深度学习中的线性代数基础知识,包括标量、向量、矩阵的表示和操作,如哈达玛积、求和及矩阵向量积。此外,还详细探讨了PyTorch中拷贝的概念,区分了浅拷贝和深拷贝的差异,浅拷贝共享内存,深拷贝创建独立副本,并讨论了它们在梯度计算和计算图中的影响。
摘要由CSDN通过智能技术生成

1.线性代数

标量由只有一个元素的张量表示

import torch
x=torch.tensor([3.0])
y=torch.tensor([2.0])
x+y,x*y,x/y,x**y
#输出(tensor([5.]), tensor([6.]), tensor([1.5000]), tensor([9.]))

可以将向量视为标量值组成的列表

x=torch.arange(4)
x
#输出tensor([0, 1, 2, 3])

通过张量的索引来访问任一元素

x[3]
#输出tensor(3)

访问张量的长度

len(x)
#4

只有一个轴的张量,形状只有一个元素

x.shape
#torch.Size([4])

通过指定两个分量m和n来创建一个形状为m*n的矩阵

A=torch.arange(20).reshape(5,4)
A
'''输出tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11],
        [12, 13, 14, 15],
        [16, 17, 18, 19]])
'''
B=torch.tensor([[1,2,3],[2,0,4],
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