×

PyTorch教程2.3之线性代数

消耗积分:2 | 格式:pdf | 大小:0.24 MB | 2023-06-05

敷衍作笑谈

分享资料个

到目前为止,我们可以将数据集加载到张量中,并使用基本的数学运算来操纵这些张量。要开始构建复杂的模型,我们还需要一些线性代数工具。本节简要介绍了最基本的概念,从标量算术开始,一直到矩阵乘法。

import torch
from mxnet import np, npx

npx.set_np()
from jax import numpy as jnp
import tensorflow as tf

2.3.1. 标量

大多数日常数学都是一次处理一个数字。正式地,我们称这些值为标量例如,帕洛阿尔托的气温适中72华氏度。如果您想将温度转换为摄氏度,您可以计算表达式c=59(f−32), 环境f72. 在这个等式中,值5,9, 和 32是标量。变量cf代表未知标量。

我们用普通的小写字母表示标量(例如,x, y, 和z) 和所有(连续)实值标量的空间 R. 为了方便起见,我们将跳过严格的空间定义。请记住这个表达式x∈R是一种正式的说法 x是一个实值标量。符号(发音为“in”)表示集合中的成员。例如, x,y∈{0,1}表示xy是只能取值的变量0或者1.

标量被实现为仅包含一个元素的张量。下面,我们分配两个标量并执行熟悉的加法、乘法、除法和求幂运算。

x = torch.tensor(3.0)
y = torch.tensor(2.0)

x + y, x * y, x / y, x**y
(tensor(5.), tensor(6.), tensor(1.5000), tensor(9.))
x = np.array(3.0)
y = np.array(2.0)

x + y, x * y, x / y, x ** y
(array(5.), array(6.), array(1.5), array(9.))
x = jnp.array(3.0)
y = jnp.array(2.0)

x + y, x * y, x / y, x**y
No GPU/TPU found, falling back to CPU. (Set TF_CPP_MIN_LOG_LEVEL=0 and rerun for more info.)
(Array(5., dtype=float32, weak_type=True),
 Array(6., dtype=float32, weak_type=True),
 Array(1.5, dtype=float32, weak_type=True),
 Array(9., dtype=float32, weak_type=True))
x = tf.constant(3.0)
y = tf.constant(2.0)

x + y, x * y, x / y, x**y
(<tf.Tensor: shape=(), dtype=float32, numpy=5.0>,
 <tf.Tensor: shape=(), dtype=float32, numpy=6.0>,
 <tf.Tensor: shape=(), dtype=float32, numpy=1.5>,
 <tf.Tensor: shape=(), dtype=float32, numpy=9.0>)

2.3.2. 载体

出于我们的目的,您可以将向量视为固定长度的标量数组。与它们的代码对应物一样,我们将这些值称为 向量的元素(同义词包括条目组件). 当向量表示现实世界数据集中的示例时,它们的值具有一定的现实意义。例如,如果我们正在训练一个模型来预测贷款违约的风险,我们可能会将每个申请人与一个向量相关联,该向量的分量对应于他们的收入、工作年限或以前的违约次数等数量。如果我们正在研究心脏病发作风险,每个向量可能代表一个患者,其组成部分可能对应于他们最近的生命体征、胆固醇水平、每天的运动分钟数等。我们用粗体小写字母表示向量,(例如,x, y, 和z).

向量实现为1st-阶张量。通常,此类张量可以具有任意长度,受内存限制。注意:在 Python 中,与大多数编程语言一样,向量索引从0,也称为从零开始的索引,而在线性代数中下标开始于1(基于一个的索引)。

x = torch.arange(3)
x
tensor([0, 1, 2])
x = np.arange(3)
x
array([0., 1., 2.])
x = jnp.arange(3)
x
Array([0, 1, 2], dtype=int32)

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !