动手深度学习-pytorch线性代数
阿里云国内75折 回扣 微信号:monov8 |
阿里云国际,腾讯云国际,低至75折。AWS 93折 免费开户实名账号 代冲值 优惠多多 微信号:monov8 飞机:@monov6 |
标量
简单操作
长度
向量
简单操作
长度
其他操作
矩阵
简单操作
乘法矩阵*向量
乘法矩阵*矩阵
范数
取决于如何衡量b和c的长度
常见范数
矩阵范数:最小的满足的上面公式的值
Frobenius范数
特殊矩阵
对称和反对称
正定
正交矩阵
置换矩阵
特征向量和特征值
不被矩阵改变方向的向量
对称矩阵总是可以找到特征向量
线性代数实现
标量由只有一个元素的张量表示
可以将向量视为表标量值组成的列表
通过张量的索引来访问任一元素
访问张量的长度
只有一个轴的张量形状只有一个元素
通过指定两个分量m和n来创建一个形状为m*n的矩阵
矩阵的转置
对称矩阵A等于其转置
可以构建具有更多轴的数据结构
给定具有任何形状的两个张量任何按元素二元运算的结果都将是相同形状的张量
两个矩阵的按元素乘法称为哈达玛积
计算其元素的和
表示任意形状张量的元素和
指定求和汇总张量的轴
维度原本是2, 5, 4)按axis=0求和即按第一个维度求和结果维度就是5, 4
维度原本是2, 5, 4)按axis=1求和即按第二个维度求和结果维度就是2, 4
也可以同时指定两个维度
一个与求和相关的量是 平均值
计算总和或均值时候保持轴数不变
通过广播将A除以sum_A
某个轴计算A元素的累积总和
点积是相同位置的按元素乘积的和
可以通过执行按元素乘法然后进行求和来表示两个向量的点积
矩阵向量积Ax是一个长度为m的列向量
可以将矩阵-矩阵乘法AB看做是简单的执行m次矩阵-向量积并将结果拼接在一起形成一个n*m的矩阵
范数
L1范数
L2范数
矩阵
注意有无keepdims=True的区别