【小记】2024/10/2

1

线代内积和外积

2

在 PyTorch 中，x.dot(torch.ones(3)) 是执行向量点积（dot product）操作的代码。假设 x 是一个一维张量（向量），其形状是 (N,)，且 N 应该与 torch.ones(3) 的长度相匹配。具体来说，torch.ones(3) 创建了一个长度为 3 的全 1 向量。

以下是一些例子，以更清楚地说明这个操作：

示例 1

import torch

x = torch.tensor([1.0, 2.0, 3.0])  # 一个长度为 3 的向量
result = x.dot(torch.ones(3))  # 计算点积
print(result)  # 输出结果是 6.0，因为 1 + 2 + 3 = 6

示例 2

如果 x 的长度不为 3，则会导致错误：

import torch

x = torch.tensor([1.0, 2.0])  # 一个长度为 2 的向量
result = x.dot(torch.ones(3))  # 这会抛出错误

在这种情况下，会抛出一个 RuntimeError，提示两个张量的形状不匹配。

总结

• x 和 torch.ones(3) 必须具有相同的大小。
• 点积运算是将两个对应元素相乘后求和。

确保在进行点积计算时，两个向量的长度一致，这样才能获得预期的结果。

3

你遇到的错误是因为试图对一个奇异矩阵（singular matrix）进行求逆操作。在你的代码中，你尝试对一个全是 1 的 5x5 矩阵 x = torch.ones(5, 5) 进行求逆，这导致了 LinAlgError。

奇异矩阵

奇异矩阵是一个行列式为零的矩阵，无法求逆。你创建的全 1 矩阵的行列式为零，因为所有行或列都是线性相关的（可以通过加和或标量乘法得到其他行或列）。

解决方案

为了对矩阵求逆，你需要确保矩阵是非奇异的，即它的行列式不为零。通常，这可以通过构造一个对角线元素都非零的矩阵来实现。

示例：创建一个可逆矩阵并求逆

import torch

# 创建一个对角线元素都非零的5x5矩阵
x = torch.tensor([[1.0, 2.0, 3.0, 4.0, 5.0],
                  [0.0, 6.0, 7.0, 8.0, 9.0],
                  [0.0, 0.0, 10.0, 11.0, 12.0],
                  [0.0, 0.0, 0.0, 13.0, 14.0],
                  [0.0, 0.0, 0.0, 0.0, 15.0]])

# 求逆
inverse_x = x.inverse()
print(inverse_x)

在这个示例中，x 是一个 5x5 矩阵，并且你可以确保它的行列式不为零，因此可以顺利地进行求逆。

注意事项

1. 可逆矩阵：确保你的矩阵是可逆的，通常矩阵的对角线元素应该都非零。
2. 矩阵的形状：在进行求逆之前，确认这个矩阵是方阵（行数和列数相等）。
3. 数值稳定性：在实际应用中，有些矩阵即使是非奇异的，数值反演也可能非常不稳定。因此，在涉及求逆时，最好检查矩阵的条件数（condition number）。

其他替代方案

如果你的应用不一定需要求逆，可以考虑使用一些数值解法，例如使用 torch.linalg.solve 解决线性方程组，而不是明确地计算矩阵的逆。这通常更稳定和高效。

4.numpy与tensor相互转换

在 NumPy 和 Tensor（如 PyTorch 的 Tensor 或 TensorFlow 的 Tensor）之间进行相互转换时，这两个库的数组是用不同的内存管理方式进行管理的。因此，默认情况下，它们之间的转换是不会共享地址的。