记录深度学习(三)----张量的广播和科学计算

本文探讨了深度学习中张量的广播规则,包括与numpy广播的相似性,以及不同尺寸张量如何通过广播进行计算。此外,文章还介绍了张量的科学计算,如逐点运算、规约运算和比较运算,帮助理解张量在机器学习中的应用。
摘要由CSDN通过智能技术生成

1、张量的广播

张量的广播与numpy中的广播类似,存在以下两种情况:

  • 两个张量至少有一个维度值相同,不同的维度值之中有一个必为1才能广播
  • 两个张量所有的维度都不同时,两个张量其它维度必为1才能广播
a  = torch.zeros(12).reshape(3,4)
b = torch.ones(3).reshape(3,1)
c = torch.ones(3).reshape(1,3)
d = torch.ones(8).reshape(2,4)
a + b 

在这里插入图片描述
将 张量b的列复制4次然后再与a中的每个对应元素相加。

a + c 

在这里插入图片描述

b + c

在这里插入图片描述
同时将张量b 的列和c 的行复制3次都变成3行3列的2维张量再进行计算。

a +d

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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