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
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
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
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
>>> 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
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