线性代数 动手学深度学习 pytorch

Posted AI架构师易筋

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了线性代数 动手学深度学习 pytorch相关的知识,希望对你有一定的参考价值。











axis = 0按照某个维度求和,就是去掉了某个维度,比如 shape: [5, 4] axis = 0, 相当于去掉维度0,也就是5,剩下维度4 sum: [4].

deepdims=True 表示保持维度,但是去掉的维度axis 都为1.
比如 shape: [5, 4] axis = 0, deepdims=True , 结果就是sum: [1, 4]

例子:

import torch

a = torch.ones((2, 5, 4))
a.shape
torch.Size([2, 5, 4])
a.sum().shape
torch.Size([])
a.sum(axis=1)
tensor([[5., 5., 5., 5.],
        [5., 5., 5., 5.]])
a.sum(axis=1).shape
torch.Size([2, 4])
a.sum(axis=0).shape
torch.Size([5, 4])
a.sum(axis=0)
tensor([[2., 2., 2., 2.],
        [2., 2., 2., 2.],
        [2., 2., 2., 2.],
        [2., 2., 2., 2.],
        [2., 2., 2., 2.]])
a.sum(axis=[0,2]).shape
torch.Size([5])
a.sum(axis=[0,2])
tensor([8., 8., 8., 8., 8.])
a.sum(axis=1,keepdims=True).shape
torch.Size([2, 1, 4])
a.sum(axis=1,keepdims=True)
tensor([[[5., 5., 5., 5.]],

        [[5., 5., 5., 5.]]])
a.sum(axis=[0,2],keepdims=True).shape
torch.Size([1, 5, 1])
a.sum(axis=[0,2],keepdims=True)
tensor([[[8.],
         [8.],
         [8.],
         [8.],
         [8.]]])

参考

https://www.bilibili.com/video/BV1eK4y1U7Qy?share_source=copy_web

以上是关于线性代数 动手学深度学习 pytorch的主要内容,如果未能解决你的问题,请参考以下文章

《动手学深度学习》PyTorch: 数据操作

《动手学深度学习》线性回归的简洁实现(linear-regression-pytorch)

《动手学深度学习》线性回归的简洁实现(linear-regression-pytorch)

线性回归 + 基础优化算法 动手学深度学习v2 pytorch

《动手学深度学习》softmax回归(PyTorch版)

《动手学深度学习》softmax回归(PyTorch版)