动手学深度学习2.3线性代数练习

矩阵转置常用知识点

动手学深度学习2.3线性代数练习_第1张图片

3. 给定任意方阵A,A + A⊤总是对称的吗?为什么?

动手学深度学习2.3线性代数练习_第2张图片

4. 本节中定义了形状(2; 3; 4)的张量X。len(X)的输出结果是什么?

动手学深度学习2.3线性代数练习_第3张图片

 返回的是axis = 0的值的大小

5、对于任意形状的张量X,len(X)是否总是对应于X特定轴的⻓度?这个轴是什么?

动手学深度学习2.3线性代数练习_第4张图片

动手学深度学习2.3线性代数练习_第5张图片 

实验可知对应轴axis = 0

6. 运行A/A.sum(axis=1),看看会发生什么。请分析一下原因?

 

 直接求和会使A降维,不同维度的矩阵之间是不能相乘除的,如果加上keepdims = True就没问题

 动手学深度学习2.3线性代数练习_第6张图片

 7. 考虑一个具有形状(2; 3; 4)的张量,在轴0、1、2上的求和输出是什么形状?

相应求和维度消失

动手学深度学习2.3线性代数练习_第7张图片

 8. 为linalg.norm函数提供3个或更多轴的张量,并观察其输出。对于任意形状的张量这个函数计算得到 什么?

动手学深度学习2.3线性代数练习_第8张图片

 ord = 1是求L1范数,这里是为了便于演示

 dim = 0的L1就是求dim = 0的和,其余同理

动手学深度学习2.3线性代数练习_第9张图片

 

 

你可能感兴趣的:(动手深度学习,线性代数,深度学习,人工智能)