Torch和Numpy之 特殊矩陣

1對角矩陣

輸入

import

torch
import
numpy as np
#numpy實現
a = np.diag([5,6,7])
print
(a)#
torch實現
b = torch.diag(torch.tensor([5,6,7]))
print(b)

輸出

[[50 0]

[0 60]
[0 0 7]]
tensor([[5, 0, 0],
[0, 6, 0],
[0, 0, 7]])

2單位矩陣

輸入

import

torch
import
numpy as np
#numpy實現
a = np.eye(3,4)
print
(a)#
torch實現
b = torch.eye(4,5)
print(b)

輸出

[[1. 0. 0. 0.]

[0. 1. 0. 0.]
[0. 0. 1. 0.]]
tensor([[1., 0., 0., 0., 0.],
[0., 1., 0., 0., 0.],
[0., 0., 1., 0., 0.],
[0., 0., 0., 1., 0.]])

3下三角矩陣

輸入

import

torch
import
numpy as np
#numpy實現
a = np.tri(3,3)
print
(a)#
torch實現
b = torch.tril(torch.ones(4,4))
print(b)

輸出

[[1. 0. 0.]

[1. 1. 0.]
[1. 1. 1.]]
tensor([[1., 0., 0., 0.],
[1., 1., 0., 0.],
[1., 1., 1., 0.],
[1., 1., 1., 1.]])

4 0，1矩陣

4.1 0矩陣

import

torch
import
numpy as np
#numpy實現
a = np.zeros((4,3))
print
(a)#
torch實現
b = torch.zeros((4,4))
print(b)

輸出

[[0. 0. 0.]

[0. 0. 0.]
[0. 0. 0.]
[0. 0. 0.]]
tensor([[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.],
[0., 0., 0., 0.]])

4.2 1矩陣

輸入

#

特殊矩陣
#單位矩陣
import
torch
import
numpy as np
#numpy實現
a = np.ones((4,3))
print
(a)#
torch實現
b = torch.ones((4,4))
print(b)

輸出

[[1. 1. 1.]

[1. 1. 1.]
[1. 1. 1.]
[1. 1. 1.]]
tensor([[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]])

python數字和矩陣 NumPy向量與矩陣的範數

11.numpy範數計算 監督機器學習問題規則化引數的同時最小化誤差，最小化誤差是為了讓我們的模型擬合我們的訓練資料，而規則化引數是防止我們的模型過分擬合我們的訓練資料。但訓練誤差小並不是我們的最終目標，我們的目標是希望模型的測試誤差小，也就是能準確的 新的樣本。機器學習 深度學習等計算機領域內用的...

numpy和torch的一些矩陣運算語句

僅作為記錄，大佬請跳過 矩陣相乘 x w1 numpy h x.dot w1 torch h x.mm w1 大於0的保留，小於0的令為0 達到啟用函式relu的效果 numpy h relu np.maximum h,0 torch h relu h.clamp min 0 兩個陣列相減，相減後各...

Pytorch之Tensor和Numpy之間的轉換

最重要的區別t.tensor和t.tensor 不論輸入的型別是什麼，t.tensor 都會進行資料拷貝，不會共享記憶體 t.tensor 與numpy共享記憶體，但當numpy的資料型別和tensor的型別不一樣的時候，資料會被複製，不會共享記憶體。可使用t.from numpy 或者t.deta...