標(biāo)量的長度就是其絕對值。
向量：
矩陣：
對于矩陣补胚，一般用F范數(shù)（因為矩陣范數(shù)算起來比較麻煩）
一個矩陣是正定的蒂教，那個這個矩陣乘以任何一個列向量和一個行向量，一定大于等于0畴嘶。
特征向量是不被矩陣改變方向的向量（綠色的方向就不會被改變）
【編程部分】
給定具有相同形狀的任意兩個張量窗悯，任何按元素二元運算的結(jié)果都將是相同形狀的張量区匣。
兩個矩陣的按元素乘法稱為哈達(dá)瑪積（Hadamard product）（數(shù)學(xué)符號⊙）。
非降維求和：
sum_A= A.sum(axis=1,keepdims=True)
A/sum_A
矩陣乘法? ：
向量的點積（Dot Product）：按元素乘然后求和
矩陣-向量積（matrix-vector product）
矩陣-向量積（matrix-vector product）
范數(shù)
L2范數(shù)是向量元素平方和的平方根
在深度學(xué)習(xí)中蒋院，更經(jīng)常地使用L2范數(shù)的平方亏钩。 但也經(jīng)常遇到L1范數(shù)，它表示為向量元素的絕對值之和：
L2范數(shù)和L1范數(shù)都是更一般的Lp范數(shù)的特例：
矩陣的??∈???×??的F范數(shù)（Frobenius norm）是矩陣元素平方和的平方根（類似L2范數(shù)）：
課后：
# 對于任意形狀的張量X,len(X)是否總是對應(yīng)于X特定軸的長度?這個軸是什么?
#回答：是的欺旧，總是第一維（最外層的長度)
Y= torch.arange(20*3).reshape(5,2,3,2)
print(len(Y))# 5
問答
1姑丑、torch區(qū)分行向量和列向量嗎：
1維張量是行向量，列向量是一個矩陣辞友。
可以用二維矩陣來區(qū)分栅哀，行向量就是行數(shù)為1；列數(shù)是一個變化的值称龙，列向量是列數(shù)為1留拾，行數(shù)是變化的值
2、copy和clone的區(qū)別（關(guān)于內(nèi)存）：
copy不一定復(fù)制內(nèi)存鲫尊，看深層還是淺層copy痴柔。
clone一定會復(fù)制內(nèi)存。
