datawhale深度学习日记_张量的积

文章介绍了线性代数中的关键概念,包括矩阵的Hadamard积,如何通过指定轴进行降维操作,以及点积、矩阵-向量积和矩阵-矩阵乘法等运算。此外,还讨论了范数在衡量向量大小中的作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

2.3线性代数

两个矩阵的按元素乘法称为Hadamard积(Hadamard product)(数学符号

2.3.6. 降维

默认情况下,调用求和函数会沿所有的轴降低张量的维度,使它变为一个标量。 我们还可以指定张量沿哪一个轴来通过求和降低维度。 以矩阵为例,为了通过求和所有行的元素来降维(轴0),可以在调用函数时指定axis=0。 由于输入矩阵沿0轴降维以生成输出向量,因此输入轴0的维数在输出形状中消失。

2.3.7. 点积(Dot Product)

2.3.8. 矩阵-向量积

2.3.9. 矩阵-矩阵乘法

2.3.10. 范数

线性代数中最有用的一些运算符是范数(norm)。 非正式地说,向量的范数是表示一个向量有多大。 这里考虑的大小(size)概念不涉及维度,而是分量的大小。

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