主要介绍线性代数中的基本数学对象、算术和运算,并用数学符号和相应的代码实现来表示它们。
标量
标量由只有一个元素的张量表示。
from mxnet import np, npx
npx.set_np()
x = np.array(3.0)
y = np.array(2.0)
x + y, x * y, x / y, x ** y
![](https://img-blog.csdnimg.cn/img_convert/47c38500b538425978e7235fcae8aec5.png)
向量
向量可以被视为标量值组成的列表。
这些标量值被称为向量的元素(element)或分量(component)。
当向量表示数据集中的样本时,它们的值具有一定的现实意义。
在数学表示法中,向量通常记为粗体、小写的符号 (例如,x、y和z))。
我们通过一维张量表示向量。一般来说,张量可以具有任意长度,取决于机器的内存限制。
x = np.arange(4)
x
![](https://img-blog.csdnimg.cn/img_convert/749283da1db1aac985e8358de4a79859.png)
![](https://img-blog.csdnimg.cn/img_convert/8abcd519f97d5dca51bf80865c900a80.png)
x[3]
![](https://img-blog.csdnimg.cn/img_convert/4cacc07c12f2f0b8f6b819f0032a9c23.png)
长度、维度和形状
向量只是一个数字数组,就像每个数组都有一个长度一样,每个向量也是如此。 在数学表示法中,如果我们想说一个向量x由n个实值标量组成, 可以将其表示为x∈Rn。 向量的长度通常称为向量的维度(dimension)。
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。
len(x)
![](https://img-blog.csdnimg.cn/img_convert/51c1de7e53ce5361d281bb5c71600b7d.png)
当用张量表示一个向量(只有一个轴)时,我们也可以通过.shape属性访问向量的长度。 形状(shape)是一个元素