02 线性代数实现

最新推荐文章于 2024-10-16 14:42:53 发布
最新推荐文章于 2024-10-16 14:42:53 发布
阅读量149 收藏
点赞数
分类专栏： 深度学习 Python 文章标签： 线性代数 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42819022/article/details/120630988
版权

本文将结合代码简要介绍代数中向量点积、矩阵乘法、L2范数、矩阵的弗罗贝尼乌斯范数（Frobenius norm）等的实现

1、向量点积

torch.dot()
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

2、矩阵乘法

torch.mm()在这里插入图片描述

3、矩阵乘于向量

torch.mv()
在这里插入图片描述

4、L2范数

在这里插入图片描述
其结果是一个标量
torch.norm()
在这里插入图片描述

5、L1范数

torch.abs().sum()
在这里插入图片描述

6、矩阵的弗罗贝尼乌斯范数（Frobenius norm）

在这里插入图片描述
本质是矩阵的所有元素的平方求和在开根号，做法其实就是将矩阵拉成一个向量后求其范数，可以直接使用求向量L2范数的函数torch.norm()
在这里插入图片描述

qq_42819022
关注
专栏目录
线性代数 --- 消元矩阵E
松下J27录放机
09-28 2562
消元矩阵E 鸣谢： 特殊矩陣 (10)：基本矩陣 | 線代啟示錄
从空间中理解线性代数
及时总结
11-05 1960
线性代数-从空间中理解总结向量线性组合空间的基 Basis张成的空间 Span线性相关和线性无关向量空间的一组基变换线性变换数值描述线性变换复合变换行列式矩阵的用途线性方程组逆矩阵列空间零空间秩非方阵基变换基变换矩阵特征向量 特征值特征基关于坐标 总结 空间中不共线的两个不为零向量都可以表示空间中的任意一个向量。但是这种向量太多了，我们选一个特殊点的，i=[1 0]和j=[0 1]作为单位向量，i和j的拉伸与相加可以组成笛卡尔坐标系中的任意一个向量。给定向量（基）线性组合的向量的集合，被称为给定向量（基）张
Numpy入门（3）—线性代数
文盲青年的博客
08-21 899
线性代数（如矩阵乘法、矩阵分解、行列式以及其他方阵数学等）是任何数组库的重要组成部分，NumPy中实现了线性代数中常用的各种操作，并形成了numpy.linalg线性代数相关的模块。diagdottracedeteiginv矩阵：有多行多列元素组成的一个集合，一个m*n的矩阵，有m行n列个元素向量：如果一个矩阵只有一列，那么就是一个列向量；
线性代数的本质笔记
SLAM小土堆
10-20 1626
两个向量的叉积表示的是这两个向量围成的平行四边形的面积。如果v在w的右侧，此时面积值为正，而如果v在w的左侧，面积值为负（右手定则大拇指朝内为负/ 以基向量i和j的定向为基础）。也就是说，顺序对叉积会有影响。如果不想去判断方向，只想进行数值计算，那么也可以用行列式来求值，见05-行列式以上两种不算是严格的叉积。真正的叉积是通过两个三维向量生成一个新的三维向量。如下所示，垂直于平行四边形的会有两个向量，使用右手定则确定。
机器学习中的线性代数基础
YYY_77的博客
08-29 558
文章目录机器学习基础的线性代数举个栗子统计领域的线性代数矩阵和图像 机器学习基础的线性代数 在机器学习中，大多数数据通常表示为向量、矩阵或张量，因此机器学习在很大程度上依赖于线性代数。 先了解下向量、矩阵和张量： 向量是一维数组，具有大小和方向 矩阵是二维数组，具有固定的行和列，一般用方括号[ ]表示 张量是向量和矩阵的推广，比如一维张量是一个向量，二维张量是一个矩阵，RGB图像是三维张量，当然还可以扩展到四维张量以及更高维等 描述矩阵的一些基本术语有：（如下图所示） 方阵：nxn，即行数等于列数 对角
GitModel-动手学线性代数（python）
qq_44341554的博客
06-18 591
Datawhale组队学习GitModel
线性代数Part1
qq_28404829的博客
08-17 1593
01 行图像和列图像 线性方程的几何图像 线性代数的基本问题就是解n元一次方程组。 写成矩阵形式是 其中 被称为系数矩阵。 未知数向量通量记为 而等号右侧的向量记为b。 线性方程组简记为 行图像 每个方程在平面上的图像为一条直线。找到符合方程的两个数组，就可以确定出x-y平面上的两个点，连接两点可以画出该方程所代表的直线。两直线交点就是方程组的解。 列图像 将系数矩阵写成列向量的形式，求...
简单的线性代数与几何
Darth_EF的博客
01-09 1983
复习/速通简单线性代数，用于快速翻阅计算几何的基础知识; 内容包括向量计算和矩阵计算的公式、说明以及部分代码实现
线性代数的简单应用
☜lgl☞
07-26 675
线性代数中基本运算的简单实现，以及相关知识在图像处理中的应用。
02线性代数
03-05
在标题“02线性代数”中，我们了解到这本图书的主题是线性代数。线性代数是数学的一个分支，主要研究向量空间（也称为线性空间）以及线性变换。它是现代数学中不可或缺的一部分，广泛应用于物理学、工程学、计算机...
线性代数在计算机视觉的应用,10种线性代数在数据科学中的强大应用（内附多种资源）...
weixin_32121331的博客
06-16 2702
本文摘要线性代数为各种各样的数据科学算法和应用提供支持在这里，我会向您介绍通过线性代数帮助您成为更好的数据科学家的10种实际应用我们已将这些应用程序分类到各个领域 - 基本机器学习，降维，自然语言处理和计算机视觉介绍如果数据科学是蝙蝠侠，线性代数将是罗宾。这种忠实的伙伴经常被忽视。但实际上，它支持数据科学的主要领域，包括自然语言处理和计算机视觉等热门领域。我个人看到很多数据科学爱好者选择跳过这个主...
3Blue1Brown【线性代数的本质】— 个人笔记
Ray的博客
01-20 4445
【线性代数的本质】— 个人笔记00 序言01 向量02 张成的空间与基矩阵与线性变换04 矩阵乘法与线性变换的联系05 行列式逆矩阵、列空间、秩与零空间 最近了解到B站up主搬运和配音的一个对线性代数的大概认知的视频，里面重点关注把原本我认为“枯燥”的知识用几何图像来讲解，生动地阐述了“变换”这一词。 分享链接：-UP主汉语配音-【线性代数的本质】合集-转载于3Blue1Brown官方双语】 00 序言 对线性代数的理解可以分为数值水平和几何水平，提高前者有利于顺利使用，提高后者更有利于你清楚理解为什么和怎
探讨人工智能领域所需学习的高等数学知识及其应用场景，涵盖了微积分、线性代数、概率论等多个数学分支。
最新发布
weixin_42878111的博客
10-16 565
在当今科技日新月异的时代，人工智能（AI）作为一项前沿技术，正以前所未有的速度推动着各行业的发展。而在这场技术革命的背后，数学无疑扮演着核心支撑的角色。本文旨在深入探讨数学与人工智能之间的紧密联系，揭示数学在人工智能领域的重要性，并阐述为何掌握特定的数学知识是学习和研究人工智能的基石。离散数学不仅是理论计算机科学的基石，也是推动人工智能技术发展的重要工具。集合论支撑着知识表示与逻辑推理；图论优化了路径规划和网络结构分析；布尔代数则为算法设计和逻辑运算提供了坚实的基础。
[笔记] 《线性代数的本质》3blue1brown 笔记
easycome easygoing、
10-13 767
数学的美感
高数导数积分知识点归纳
m0_73723097的博客
10-13 975
x的取值范围。
计算机专业大一课程：线性代数探秘
m0_52796585的博客
10-12 1539
线性代数作为计算机专业的基础课程，对于理解计算机科学的许多领域至关重要。掌握线性代数，不仅能够帮助我们在学术上取得进步，更能在未来的职业生涯中发挥重要作用。所以，让我们一起努力学习线性代数，为计算机科学的探索之旅打下坚实的基础吧！
【线性代数】【第四章】线性方程组习题
hiliang521的博客
10-10 921
【线性代数】【第四章】线性方程组习题
【文档智能】文本文字识别、公式识别、表格文字识别核心算法及思路及实践-DBNet、CRNN、TrOCR
余俊晖，NLP炼丹师，目前专注自然语言处理领域研究。曾获得国内外自然语言处理算法竞赛TOP奖项近二十项。
10-13 1271
OCR技术作为文档智能解析链路中的核心组件之一，贯穿整个技术链路，包括：文字识别、表格文字识别、公式识别，参看下面这张架构图：前期介绍了很多关于文档智能解析相关核心技术及思路，本着连载的目的，本次迎来介绍整个链路中的最后一块拼图-OCR。本文简要介绍OCR常见落地的算法模型-DBNet、CRNN，并基于这两个模型，简单介绍文字识别在表格识别中参与的角色；并且额外介绍TrOCR这个端到端的模型，基于这个模型引入公式识别解析的思路及微调方法。
《深度学习》OpenCV 光流估计 原理、案例解析
wx_AHao1004Y的博客
10-11 1021
光流估计是指通过计算相邻帧之间的像素位移，来估计图像中物体的运动信息。
C++代码实现线性代数矩阵行简化
"C++代码实现线性代数中的矩阵行简化，包括转换为阶梯型和最简形，适用于处理整数矩阵，并支持分数形式的输出。提供的代码示例展示了如何使用C++来操作和格式化矩阵数据。" 在线性代数中，矩阵行简化是解决线性方程...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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