1. exp()
math.exp()的参数必须是一个实数
numpy.exp()参数可以是一个向量
2. np.linalg.norm(求范数)
x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)
参数:
x:矩阵或向量
ord:范数类型,常用为1和2,也可以为负数
axis:处理方式
– axis=1表示按行向量处理,求多个行向量的范数
– axis=0表示按列向量处理,求多个列向量的范数
– axis=None表示矩阵范数
keepding:是否保持矩阵的二维特性
– True表示保持矩阵的二维特性,False相反
3. np.multiply()、np.dot()和星号(*)、outer()的区别
(1) np.multiply()函数
数组和矩阵对应位置相乘,输出与输入数组/矩阵的大小一致。
两个数组运算,结果为一个数组,两个矩阵运算,结果为一个矩阵。
数组:
A=array([[1, 2],
[3, 4]])
B=array([[0, 1],
[2, 3]])
np.multiply(A,B) =array([[