深度学习的数学基础之线性代数（一）------ 张量和范数

最新推荐文章于 2025-04-16 22:08:57 发布
最新推荐文章于 2025-04-16 22:08:57 发布
阅读量2.6k 收藏 9
点赞数 1
分类专栏： DeepLearning
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。
本文链接：https://blog.youkuaiyun.com/weixin_42730997/article/details/98590860
版权

-------------------------------------------------山水有相逢-----------------------------------------------------
在这里插入图片描述

深度学习数学基础之张量与范数
bailian的博客
08-07 846
深度学习之数学基础 标量、向量、矩阵与张量
TensorFlow进阶一（张量的范数、最值、均值、和函数、张量的比较）
需要远程指导仿真实验、代码有问题的，请后台私信或者关注公众号
04-25 987
TensorFlow进阶一（张量的范数、最值、均值、和函数、张量的比较）
【连续介质力学】张量的范数、各向同性和各向异性张量、同轴张量和极分解
weixin_38362786的博客
05-16 3403
张量的大小，使用Frobenius 范数： ∣∣v⃗∣∣=v⃗⋅v⃗=vivi（向量）||\vec v|| = \sqrt{\vec v \cdot \vec v} = \sqrt{v_iv_i} （向量）∣∣v∣∣=v⋅v​=vi​vi​​（向量） ∣∣T∣∣=T:T=TijTij（二阶张量）||T|| = \sqrt{ T:T} = \sqrt{T_{ij}T_{ij}} （二阶张量）∣∣T∣∣=T:T​=Tij​Tij​​（二阶张量） ∣∣A∣∣=A:⋅A=AijkAijk（三阶张量）||A||
【深度学习】你真的理解张量了吗？|标量、向量、矩阵、张量的秩|01
最新发布
Yaoyao2024的博客
04-16 1593
在之前的学习中，我自以为我对张量、矩阵、数组，已经十分清楚。就在近期我打算再好好学习一下张量各个操作的过程极其原理的时候，才发现之前的自己或许根本没有弄清楚张量到底是个啥？为什么呢？我发现我学习的过程中发现对张量的各个操作有种说不上来的不明白。我问了自己很久，到底是哪一点让自己感受到这种“不舒适”的学习感？我向来是一个喜欢追根溯源，刨根问底的人。于是我问我自己这个问题区分这两个概念：[x,y,z]，形状为(3,)2. 3阶张量，形状为(m,n,k)这不是很明显吗？
[TensorFlow系列-18]：TensorFlow基础 - 张量的范数
文火冰糖（王文兵）的博客
08-14 1万+
作者主页(文火冰糖的硅基工坊)：https://blog.youkuaiyun.com/HiWangWenBing 本文网址： 目录 第1章 什么是范数 1.1 常见的范数与定义 1.2 代码演示的前置条件 1.3 范数的函数说明：tf.norm(tensor, ord='euclidean', axis=None） 第3章 多阶范数 3.1 一阶范数 3.2 二阶范数 3.3 无穷阶范数 第4章 指定维度方向上的范数 4.1 axis =0方向上的范数 4.2 axis =2方向上的范数 .
[Pytorch系列-18]：Pytorch基础 - 张量的范数
文火冰糖（王文兵）的博客
08-14 1万+
作者主页(文火冰糖的硅基工坊)：https://blog.youkuaiyun.com/HiWangWenBing 本文网址：https://blog.youkuaiyun.com/HiWangWenBing/article/details/119707541 目录 第1章 什么是范数 1.1 常见的范数与定义 1.2 代码演示的前置条件 1.3 范数的函数说明：torch.norm(input, p='fro', dim=None） 第3章 多阶范数 3.1 一阶范数 3.2 二阶范数 3.3 无穷阶范数..
人工智能数据基础之线性代数入门-学习篇
qq_38925911的博客
09-07 1244
标量是只有大小没有方向的量。在数学中，它通常是一个实数或复数。通俗理解：想象你有5个苹果。这个数字"5"就是一个标量。它只告诉你有多少苹果，但不告诉你这些苹果放在哪里。
【深度学习】— 线性代数基础-标量、向量、矩阵、张量、张量算法的基本性质、按元素运算示例、Hadamard积、标量与张量运算、广播机制、降维、点积、矩阵-向量积、矩阵-矩阵乘法、范数
我们都是被分成两半的人，一边热爱生活，一边憎恨生活。面对生活，我们总是在矛盾的两端摇摆，在反复的矛盾和犹豫中，一边踉跄前行，一边重振旗鼓。我渴望改变，渴望变得更好，渴望找到出口……就像一个溺水人的挣扎，就像一个救生圈。我是一个矛盾集合体，想要变得快乐，但是
09-27 1515
标量、向量、矩阵和张量是线性代数中的基本数学对象。向量是对标量的泛化，矩阵是对向量的泛数。标量、向量、矩阵和张量分别具有零、一、二和任意数量的轴。通过sum和mean函数，张量可以沿指定轴降低维度。两个矩阵的按元素乘法称为Hadamard积，它与矩阵乘法不同。在深度学习中，常用的范数包括L1范数、L2范数和Frobenius范数。我们可以对标量、向量、矩阵和张量执行各种操作。
机器学习数学基础：线性代数+微积分+概率统计+优化算法 矩阵运算助力特征提取，导数分析优化模型性能，概率评估数据分布，优化算法寻
03-20
通过以上详细的介绍，我们可以看到，线性代数、微积分、概率统计和优化算法在机器学习中的应用极为广泛，它们为机器学习提供了坚实的数学基础。掌握这些基础知识对于深入理解机器学习算法至关重要。
机器学习线性代数基础（Python语言描述）张雨萌版-源代码
12-12
首先，线性代数是机器学习的数学基础之一，它涉及到向量、矩阵运算、特征值分解等基础概念。其次，Python作为一种编程语言，在数据科学与机器学习领域具有广泛的使用基础，其简洁的语法和强大的库支持使得它成为实现...
一、深度学习数学基础1（张量、范数、正定）
myani的博客
04-11 2090
张量（tensor） 一个数组中的元素分布在若干维坐标的规则网格中，其称为张量。 标量是0阶张量，向量是一阶张量。 张量与矩阵的区别 矩阵是二维表格，n阶张量是n维表格（严格定义，利用线性映射描述）。 向量和矩阵的范数 向量1范数：各元素绝对值之和； 向量2范数：各元素平方和再开平方根； 向量负无穷范数：绝对值最小值； 向量正无穷范数：绝对值最大值。 矩阵1范数：列元素绝对值最大和； 矩阵2范数：最大特征值开平方根； 矩阵无穷范数：行元素绝对值最大和； 矩阵的核范数：奇异值（将矩阵
张量分解(2)——张量运算（内积、外积、直积、范数）
hyk的博客
07-07 3746
张量分解第二话，介绍张量主要的运算，包括：内积、外积、直积、范数、rank-one tensror等运算
张量算法基本性质
sheriMMM的博客
09-17 408
哈达玛积(Hadamard product)： 两个矩阵按元素相乘 降维： 求张量元素和 张量为一维向量 ，如x= (tensor([0., 1., 2., 3.]), 则x.sum= tensor(6.)) 张量为二维向量， 如x= 非降维求和 点积 矩阵乘法 范数 L1范数 L2范数 弗罗贝尼乌斯范数 ...
张量的计算
VincentWeng1的博客
02-26 1410
张量的计算 数学运算 四则运算 ±*(@)/，必须满足矩阵运算的条件 加.表示矩阵对应位置进行操作 高维矩阵乘法 torch.matmul(a,b)对a,b的最后两维度进行矩阵乘法，其他维度不变。高维矩阵的乘法计算，本质上是支持了多个矩阵乘法的并行计算 判断相等 torch.eq(a,b) 乘方 .pow(2)或a**2 .rsqrt()或a**(0.5) 指数 torch.exp() 对数 torch.log() 近似运算 .floor()向下取整 .ceil()向上取整 .round()四舍五入
张量以及函数
qq_37637914的博客
04-26 1375
张量张量模态 参考文章1 参考文章2 张量模态 import tensorly as tl X = tl.tensor(np.arange(24).reshape(3, 4, 2))``` - **张量矩阵化**（Matricization）输出张量的三个矩阵模态 ```print(tl.unfold(X, mode=0)) #1模展开 print(tl.unfold(X, mode=1)) print(tl.unfold(X, mode=2))``` ![在这里插入图片描述](https://i
标量、向量、矩阵、张量及向量和矩阵范数简介
xu_fu_yong的专栏
07-08 2685
标量、向量、矩阵、张量之间的联系 标量（scalar） 一个标量表示一个单独的数，它不同于线性代数中研究的其他大部分对象（通常是多个数的数组）。我们用斜体表示标量。标量通常被赋予小写的变量名称。 向量（vector） ​一个向量表示一组有序排列的数。通过次序中的索引，我们可以确定每个单独的数。通常我们赋予向量粗体的小写变量名称。当我们需要明确表示向量中的元素时，我们会将元素排列成一个方括号包围的纵...
Pytorch学习之旅——tensor张量使用基础
zhanghm1995的博客
08-23 709
文章目录tensor定义tensor运算tensor内置函数squeeze()和unsqueeze()函数 tensor定义 创建指定大小的tensor import torch a=torch.Tensor(2,3) print(a) tensor运算 tensor内置函数 只写常用的，其他的可以去网站查阅： squeeze()和unsqueeze()函数 https://blog.youkuaiyun.com/ZT0518/article/details/86440338 ...
深入浅出详解张量自动求导机制
Paper weekly
12-24 434
©作者 |清川单位 |上海交通大学博士生研究方向 |联邦学习、端云协同推断写在前面深入浅出，在计算机教材界被用滥的词，总是继承着领域小白的初心和梦想。顾名思义，它既意味着理解得透彻，又要求复述得通俗。如果说复述是大名鼎鼎的费曼学习法的精髓，那么复刻便是其在程序世界最恰当的对应概念。君不见深度学习水涨船高，计算框架层出不穷。想要深入浅出这些框架，何不亲自动手复刻个轮子？自动求导机制是神经网络计...
张量的概念及基本运算
热门推荐
AIMZZY的博客
06-03 4万+
张量的概念及基本运算 文章目录张量的概念及基本运算1 张量的定义2 纤维（Fibers）与 切片（Slices）2.1 纤维（Fibers）2.2 切片（Slices）3 张量的范数（norm）4 张量的内积（inner product）5 秩1张量（Rank-One Tensors）6 对称性与张量（Symmetry and Tensors）6.1 立方张量（cubical tensors）6.2 超对称张量（super symmetric）6.3 部分对称张量（partically symmetric）
深度学习基础：从线性代数到优化方法
- 这部分深入讲解了基础的线性代数概念，如标量、向量、矩阵和张量，这些都是构建和理解深度学习模型的基础。 - 矩阵运算，如相乘、单位矩阵和逆矩阵，是深度学习中权重更新的关键。 - 引入了线性相关和生成子...
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
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