PyTorch中矩阵（二维张量）的线性代数运算

最新推荐文章于 2025-08-07 05:10:12 发布
原创 最新推荐文章于 2025-08-07 05:10:12 发布 · 3.5k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#线性代数 #矩阵 #机器学习 #张量 #深度学习

本文介绍了矩阵的基本运算，包括点积、矩阵乘法等，并详细阐述了矩阵的线性代数运算，如矩阵的迹、秩、行列式等概念。此外，还深入探讨了矩阵分解方法，包括特征分解和奇异值分解(SVD)，并解释了它们的实际应用。

1 矩阵的形变及特殊矩阵的构造方法

       矩阵的形变其实就是二维张量的形变方法，在此基础上本节将补充转置的基本方法。实际线性代数运算过程中，一些特殊矩阵，如单位矩阵、对角矩阵等相关创建方法如下：

                                    

 注：t1为一个矩阵，则 torch.t(t1) 与 t1.t()等效。

2 矩阵的基本运算

       矩阵不同于普通的二维数组，其具备一定的线性代数含义，而这些特殊的性质，其实就主要体现在矩阵的基本运算上。常见的矩阵基本运算如下：

                                            

dot\vdot：点积计算。dot和

最低0.47元/天 解锁文章
Pytorch 二维张量常用方法
Mr数据杨
02-22 1万+
二维张量作为张量的重要类型之一，在处理图像数据、数据集转化及深度学习计算中扮演了重要角色。PyTorch 提供了便捷的操作方法，使得二维张量的创建、转换、索引、切片和运算更加高效直观。掌握这些基本操作，有助于深入理解深度学习模型的数据处理机制。
Pytorch-矩阵基本运算
Mr___WQ的博客
07-06 2374
pytorch入门，矩阵基本运算
pytorch入门--矩阵基本运算
qq_43923588的博客
08-14 4497
本篇pytorch的矩阵基本运算进行展示，包含： add/subtract/multiply/divide matmul pow 次方 sqrt/rsqrt 次方根 近似运算 上下界操作 使用方法和含义均在代码的批注中给出，因为有较多的输出，所以设置输出内容的第一个值为当前print()方法所在的行 矩阵基本运算 import torch import numpy as np import sys loc = sys._getframe() _ = '\n' ''' add/subtract/m
torch 的 3种矩阵乘法运算
OrdinaryMatthew的博客
08-17 5899
说明 2 维 tensor 与 2 维 tensor，torch.matmul 函数也是执行矩阵乘法。会得到 torch.Size([1]) 而不是 torch.Size([])，Vec3 的 shape 是 torch.Size([])。结果和 torch.mm 计算出来的例 2 的结果一样的。注，输入的两个 tensor 的 shape 都是。当操作符是最最最自然的 “*” 时，执行的时。输出的 tensor 的shape 也是。的矩阵对应相乘，拼成一个。将 Mat1 修改为。.........
Pytorch张量的数学运算：矩阵运算
m0_63997099的博客
04-08 2638
矩阵的行列式是一个标量值，它提供了矩阵（线性变换）的一些重要性质的信息。对于一个方阵（即行数和列数相等的矩阵），其行列式可以通过多种方法计算，包括拉普拉斯展开、行列式的定义，或者更实用的方法，如LU分解。对于矩阵的运算有加、减、逐元素乘、数乘、点积（矩阵乘法）、逐元素除、转置、逆、行列式。向量的点积（也称为内积或标量积）和矩阵的点积（通常指矩阵乘法）在数学上有不同的定义和用途，因此它们的计算方式也不相同。计算矩阵的逆可以通过多种方法实现，包括代数余子式法（对于小的矩阵）、高斯消元法或LU分解等。
pytorch中矩阵计算的一些方法|优快云创作打卡
m0_61686427的博客
01-18 2608
李沐老师线性代数那一章的总结一、平均数二、广播机制三、某个轴计算A的累加求和四、求矩阵点积五、求一个矩阵和一个向量的乘积六、求矩阵的乘积七、求向量范数八、求矩阵的范数 一、平均数 1.先生成A 2.进行平均数的运算 Mean函数就是一个求平均值的函数，也可以表示为A.sum()/A.numel()，numel函数求得A中元素的个数。 此外还可以单独对某一个维度求平均数，也是有两种方法，其中shape[0]是指第一个维度元素的个数（形状） 二、广播机制 如果用了axis之后，那个被求和的维度就没有了。但是想利
Pytorch使用教学9-张量的线性代数运算
Antai_ZHU的博客
07-25 1284
在机器学习建模过程中，经常会使用矩阵运算以提升效率，在深度学习中，往往会涉及矩阵的集合运算，就是三维或四维数据的计算。？本文首先介绍矩阵的构造，然后详解矩阵的运算与本质意义。
pytorch_lesson4 张量的线性代数运算(矩阵的形变及特殊矩阵构造方法+矩阵的基本运算+矩阵的线性代数运算+矩阵的分解)
weixin_51589123的博客
05-09 2108
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代.
EP04：【DL】张量的线性代数运算
最新发布
CH3_CH2_CHO的博客
08-07 1395
本文介绍了BLAS和LAPACK作为现代科学计算的核心基础设施，重点阐述了矩阵的基本操作与运算。首先概述了BLAS的三级运算体系和LAPACK的高级功能，它们在深度学习框架中的关键支撑作用。接着详细讲解了矩阵形变（转置）和特殊矩阵构造（单位矩阵、对角矩阵、三角矩阵）的原理与应用场景，通过PyTorch代码示例展示了具体实现方法。最后介绍了矩阵基本运算（点积、矩阵乘法等）及其工程意义，强调这些运算是构建复杂模型的基础模块。全文突出了线性代数运算在实际问题中的高效实现和广泛用途。
pytorch学习09：矩阵基本运算
HMT的博客
08-03 999
四则运算 import torch a = torch.tensor([ [1,2], [3,4] ]) b = torch.tensor([ [10, 20] ]) # 加 print("torch.all(torch.eq(a+b, torch.add(a,b))):", torch.all(torch.eq(a+b, torch.add(a,b)))) print("a+b:\n{}\n".format(a+b)) # 减 print("torch.all(
pytorch_sparse:优化的Autograd稀疏矩阵运算的PyTorch扩展库
05-10
PyTorch稀疏 该软件包包括一个小型扩展库，该库具有自动分级支持，可优化稀疏矩阵运算。 该软件包当前包含以下方法： 所有包含的操作都适用于不同的数据类型，并且都针对CPU和GPU实施。 为了避免创建 ，此程序包仅通过将index和value张量作为参数传递（对稀疏张量的操作。 请注意，autograd支持仅包含value ，因为index是离散的，因此不可微分。 安装 二进制文件 我们为所有主要的OS / PyTorch / CUDA组合提供了点胶轮，请参见。 PyTorch 1.8.0 要安装PyTorch 1.8.0的二进制文件，只需运行 pip install torch-scatter torch-sparse -f https://pytorch-geometric.com/whl/torch-1.8.0+${CUDA}.html 其中${CUDA}应该由cpu ， cu
【无标题】python和Pytorch中的矩阵乘法运算总结
tanhongweibest的博客
12-14 1914
python 和Pytorch的矩阵乘法运算总结
pytorch矩阵计算
chy0315的博客
04-15 1253
class Vector(object): CANNOT_NORMALIZE_ZERO_VECTOR_MSG = 'Cannot normalize the zero vector' def __init__(self, coordinates): self.coordinates = coordinates self.num_samples = len(coordinates) self.dimension = len(coordinate.
PyTorch实战（1）：矩阵运算
zhu_886936的博客
04-22 5874
常见的矩阵运算：基于pytorch和numpy实现 import torch import numpy as np import torch.nn as nn X = torch.rand(4, 2, 3) linear = nn.Linear(3, 2) """矩阵加法""" # Z=W+X W = torch.randn(4, 2, 3) Z11 = W + X print(Z11)...
torch进行矩阵运算
m0_46702604的博客
12-23 2876
用torch进行矩阵运算 下面我主要区别以下几个函数： torch.mul(a,b) torch.matmul(a,b) torch.mm(a,b) torch.einsum(a,b) 其中，torch.mm()、torch.matmul()、torch.mul() 是我们比较常用的，但是用torch.einsum() 可以实现上述三个函数的任何一个的功能，下面我一一介绍这些函数的用法和适用情况。 torch.mul(a,b) 这个函数就是实现两个张量之间元素对元素的运算，也就是
torch的矩阵运算笔记
weixin_50727642的博客
06-01 719
torch的矩阵运算
torch矩阵计算
Dwendwen_Liu的博客
01-08 680
无
Python实现矩阵秩的算法
BUG？不存在的！
05-23 733
该函数接收一个numpy数组作为输入参数，输出矩阵的秩。实际上，它采用了高斯消元法的技术，将矩阵转化为行简化阶梯形式，从而计算矩阵的秩。矩阵是线性代数中非常重要的概念，其秩是矩阵的核心指标之一。在Python中，我们可以通过简单的代码来实现矩阵的秩的计算。在本例中，输入矩阵的秩为2。在这里，我们调用了rank_of_matrix函数，该函数接收上述矩阵作为输入并输出其秩。通过这个简单的Python算法，我们可以轻松地计算矩阵的秩。如果你对线性代数感兴趣，那么这将是一个很好的起点。
torch使用踩坑日记，矩阵加速运算
weixin_43918046的博客
03-08 2425
我们知道矩阵运算可以加速，用torch搭建的模型，我们预测数据往往都是同时读取多条（在显卡支持的条件下尽可能同时处理多条数据），这样时间会很快，如果单条数据预测非常慢的，最近在写模型处理大数据，我加载多条数据一起处理，因为数据量太大，没法直接全部转换成矩阵，所以是用列表储存了数据，然后预测的时间就是切片导入到模型中，如下代码所示。 import torch from torch.autograd import Variable from torch import nn import numpy as np
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

L_bloomer

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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