9、PyTorch深度学习实战：从基础到高级应用

PyTorch深度学习实战：从基础到高级应用

1. PyTorch张量操作

在深度学习中，张量是基础的数据结构，PyTorch提供了丰富的张量操作函数。
- 统计计算 ：可以使用 torch.mean() 、 torch.sum() 和 torch.std() 函数分别计算张量在指定轴上的均值、总和和标准差。例如，计算张量 t1 每列的均值：

t4 = torch.mean(t1, axis=0)
print(t4)

• 矩阵乘法 ：使用 torch.matmul() 函数进行矩阵乘法。如计算 t1 和 t2 的转置的矩阵乘积：

t5 = torch.matmul(t1, torch.transpose(t2, 0, 1))
print(t5)

• Lp - 范数计算 ：使用 torch.linalg.norm() 函数计算张量的Lp - 范数。例如，计算 t1 的L2 - 范数：