动手学习深度学习最新版（pytorch）-线性代数知识

x = torch.arange(4)
print(x)  # tensor([0, 1, 2, 3])
"""
我们可以使用下标引用矢量的任何元素。 例如，我们可以引用 x x 的第 i / th 元素 x x x x x x x x i xi。 
请注意，元素 x i xi 是一个标量，因此我们在引用它时不使用粗体
"""
print(x[3])  # tensor(3)

# 3、长度、维度和形状
"""
矢量只是一个数字数组。 就像每个数组都有长度一样，每个向量也有长度。 在数学表示法中，如果我们说向量 x 由 n 个实数标量组成，
我们可以表示为 x ∈ Rn x ∈ Rn。 矢量的长度通常称为矢量的维数。
"""

# 与普通的 Python 数组一样，我们可以通过调用 Python 的内置 len ()函数来访问张量的长度。
print(len(x))  # 4

# 查看形状
print(x.shape)  # torch.Size([4])

# 4、矩阵
A = torch.arange(20).reshape(5,4)  # 将20以内的数字转换成5行4列的矩阵
print(A)
"""
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11],
        [12, 13, 14, 15],
        [16, 17, 18, 19]])

"""

# 打印矩阵的转置
print(A.T)
"""
tensor([[ 0,  4,  8, 12, 16],
        [ 1,  5,  9, 13, 17],
        [ 2,  6, 10, 14, 18],
        [ 3,  7, 11, 15, 19]])
"""
# 作为方阵的特殊类型，对称矩阵的转置等于本身
B = torch.tensor([[1,2,3],[2,0,4]