向量矩阵范数pytorch

- 矩阵按照某个维度求和（dim就是shape数组的下标）
- [1. torch](#1. torch)
- - [1.1 Tensors一些常用函数](#1.1 Tensors一些常用函数)
- 一些安装问题
- cd进不去不去目录
- PyTorch里面_表示重写内容
在默认情况下，PyTorch会累积梯度，我们需要清除之前的值

范数是向量或矩阵的长度

矩阵的长度模

二范数是什么

二范数（L2 norm）是一种常见的数学概念，它表示一个向量的模长。在数学中，一个向量的二范数定义为其元素平方和的平方根，即：

矩阵按照某个维度求和（dim就是shape数组的下标）

求和不降维，就keepdims=True

降维求和

axis的值对应着shape的下标

1. torch

1.1 Tensors一些常用函数

1.1.2 Indexing, Slicing, Joining, Mutating Ops

concat()：和cat()功能相同
cat(tensors, dim=0, *, out=None)串接tensors（一串Tensor，非空Tensor在非dim维度必须形状相同），返回结果
reshape(input, shape)
squeeze(input, dim=None, *, out=None)
去掉input（Tensor）中长度为1的维度，返回这个Tensor。如果有dim就只对指定维度进行squeeze操作。
返回值与input共享储存空间。

squeeze()函数的功能是维度压缩。返回一个tensor（张量），其中 input 中大小为1的所有维都已删除。

举个例子：如果 input 的形状为 (A×1×B×C×1×D)，那么返回的tensor的形状则为 (A×B×C×D)

当给定 dim 时，那么只在给定的维度（dimension）上进行压缩操作。

举个例子：如果 input 的形状为 (A×1×B)，squeeze(input, 0)后，返回的tensor不变；squeeze(input, 1)后，返回的tensor将被压缩为 (A×B)

原文链接：https://blog.csdn.net/qq_40305043/article/details/107767652

python 复制代码

import torch

x = torch.zeros(2, 1, 2, 1, 2)
print(x.size()) #torch.Size([2, 1, 2, 1, 2])
y = torch.squeeze(x)
print(y.size())  # torch.Size([2, 2, 2])
y = torch.squeeze(x, 0)
print(y.size())# torch.Size([2, 1, 2, 1, 2])
y = torch.squeeze(x, 1)  # torch.Size([2, 2, 1, 2])
print(y.size())
y = torch.squeeze(x, 3)  # torch.Size([2, 1, 2, 2])
print(y.size())
y = torch.squeeze(x, [1, 3])  # torch.Size([2, 2, 2])
print(y.size())

unsqueeze(input, dim)
在input指定维度插入一个长度为1的维度，返回Tensor

python 复制代码

import torch

x = torch.tensor([1, 2, 3, 4])  #
y = torch.unsqueeze(x, 0)  # 在第0维扩展，第0维为1
z = torch.unsqueeze(x, 1)  # 在第1维扩展，第1维为1
print(x, x.shape)
print(y, y.shape)
print(z, z.shape)

python 复制代码

tensor([1, 2, 3, 4]) torch.Size([4])
tensor([[1, 2, 3, 4]]) torch.Size([1, 4])
tensor([[1],
        [2],
        [3],
        [4]]) torch.Size([4, 1])

t(input)
零维和一维input不变，二维input转置（等如transpose(input, 0, 1)），返回结果
transpose(input, dim0, dim1)
返回input转置的Tensor，dim0和dim1交换。
返回值与input共享储存空间。

python 复制代码

>>> x = torch.randn(2, 3)
>>> x
tensor([[ 1.0028, -0.9893,  0.5809],
        [-0.1669,  0.7299,  0.4942]])
>>> torch.transpose(x, 0, 1)
tensor([[ 1.0028, -0.1669],
        [-0.9893,  0.7299],
        [ 0.5809,  0.4942]])

一些安装问题

pip install d2l==0.17.5

安装不了

cd进不去不去目录

安装d2l的时候，先下载cd到下载到的目录进行安装，发现经不去目录
cd /d 命令与普通的 cd 命令不同，它允许你不仅改变目录，还可以改变驱动器

python 复制代码

cd /d D:\python\Anacond_Folder\envs\d2l
pip install d2l-0.15.1-py3-none-any.whl

%matplotlib inline 是 Jupyter Notebook 或 JupyterLab 中的一个魔术命令，用于在 Notebook 中显示 matplotlib 图形的输出。

import random 导入了 Python 的 random 模块，用于生成随机数。

import torch 导入了 PyTorch 库，用于深度学习任务。

from d2l import torch as d2l 导入了 d2l 模块，并将其重命名为 d2l。d2l 是 Dive into Deep Learning (D2L) 图书的一个开源教学库，用于深度学习的代码实现和示例

PyTorch里面_表示重写内容

在默认情况下，PyTorch会累积梯度，我们需要清除之前的值

x.grad.zero_()

y = x.sum()

y.backward()

x.grad

很少对向量函数求导，求导结果理论上来说是一个矩阵

实现某些网络，把参数固定住的时候比较有用