# 使用 PyTorch 上半角矩阵的实用技巧
在机器学习和深度学习的研究与实践中，矩阵运算是不可或缺的一部分。尤其是在处理相关性、协方差矩阵或任何对称矩阵时，我们经常需要从一个给定的矩阵中提取“上半角”部分。本文将通过一个实际问题，讲解如何使用 PyTorch 来实现这一操作，并附带相应的示例代码。
## 背景知识
在数学中，上半角矩阵通常指的是一个矩阵中所有位于主对角线及其上方的元素。比
原创
2024-10-14 04:06:09
54阅读
导语：这是一篇关于Pytorch中各类乘法操作的总结和使用说明。torch.dot()：Computes the dot product (inner product) of two tensors.计算两个1-D 张量的点乘(内乘)。 torch.dot(torch.tensor([2, 3]), torch.tensor([2, 1])) out: tensor(7)torch.mm() ,
李沐老师线性代数那一章的总结一、平均数二、广播机制三、某个轴计算A的累加求和四、求矩阵点积五、求一个矩阵和一个向量的乘积六、求矩阵的乘积七、求向量范数八、求矩阵的范数 一、平均数1.先生成A 2.进行平均数的运算Mean函数就是一个求平均值的函数，也可以表示为A.sum()/A.numel()，numel函数求得A中元素的个数。 此外还可以单独对某一个维度求平均数，也是有两种方法，其中shape
在炼丹师的路上越走越远，开始入手pytorch框架的学习，越炼越熟吧。。。1. 张量的创建和操作 创建为初始化矩阵，并初始化a = torch.empty(5, 3) #创建一个5*3的未初始化矩阵
nn.init.zeros_(a) #初始化a为0
nn.init.constant_(a, 3) # 初始化a为3
nn.init.uniform_(a) #初
转载
2023-08-26 22:37:36
110阅读
一、TensorTensor是Pytorch中重要的数据结构，可以认为是一个高维数组。Tensor可以是一个标量、一维数组（向量）、二维数组（矩阵）或者高维数组等。Tensor和numpy的ndarrays相似。import torch as t构建矩阵：x = t.Tensor(m, n)注意这种情况下只分配了空间，并没有初始化。使用[0,1]均匀分布随机初始化矩阵：x = t.rand(m,
转载
2024-05-20 23:52:28
19阅读
前言 他们两者都在些搜索、匹配、找相关性的时候会用到。topk 参数 torch.topk(input, k, dim=None, largest=True, sorted=True, *, out=None) &nbs
转载
2024-09-29 22:14:50
39阅读
1维张量内积-torch.dot()内积返回的是一个值，如果都归一化了，可以看做相似度。torch.dot(input, tensor) → Tensor
#计算两个张量的点积（内积）
#官方提示：不能进行广播（broadcast）.
#example
>>> torch.dot(torch.tensor([2, 3]), torch.tensor([2, 1])) #即对应位置
转载
2023-09-02 13:59:17
380阅读
向量点乘：又叫做点积、内积、数量积、标量积，向量a[a1,a2,...,an]和向量b[b1,b2b...,bn]点乘的结果是一个标量，记作a.b； 得到一个值。叉乘：又叫向量积、外积、叉积，叉乘，向量a[x1,y1,z1]和向量b[x2,y2,z2]叉乘的运算结果是一个向量，并且两个向量的叉积与这两个向量组成的坐标平面垂直，记作axb；得到一个向量。
转载
2023-08-08 08:59:57
242阅读
文章目录前言一、Pytorch张量与数据类型1.生成随机矩阵2.查看随机矩阵规模3.Tensor（张量）基本数据类型及其转换二、张量运算与形状变换1.Tensor（张量）计算原则2.Tensor（张量）形状变换三、张量微分运算1.张量的自动微分2. 设置Tensor不可跟踪计算（测试集常用）3.就地改变Tensor（张量）变量的requires_grad值 前言Pytorch最基本的操作对象是T
转载
2023-10-06 00:15:05
414阅读
第25章 Pytorch 如何高效使用GPU 深度学习涉及很多向量或多矩阵运算，如矩阵相乘、矩阵相加、矩阵-向量乘法等。深层模型的算法，如BP，Auto-Encoder，CNN等，都可以写成矩阵运算的形式，无须写成循环运算。然而，在单核CPU上执行时，矩阵运算会被展开成循环的形式，本质上还是串行执行。GPU（Graphic Process Units，图形处理器）的众核体系结构包含几千个流处理器
转载
2024-01-17 14:45:37
32阅读
我们一天会遇到很多次推荐——当我们决定在Netflix/Youtube上看什么，购物网站上的商品推荐，Spotify上的歌曲推荐，Instagram上的朋友推荐，LinkedIn上的工作推荐……列表还在继续!推荐系统的目的是预测用户对某一商品的“评价”或“偏好”。这些评级用于确定用户可能喜欢什么，并提出明智的建议。推荐系统主要有两种类型:基于内容的系统:这些系统试图根据项目的内容(类型、颜色等)和
转载
2023-08-23 17:49:47
110阅读
混淆矩阵（confusion matrix）1. 混淆矩阵介绍2. 代码实现2.1 数据集2.2 代码：混淆矩阵类2.3 在验证集上计算相关指标2.4 结果 1. 混淆矩阵介绍2. 代码实现2.1 数据集此数据集用于多分类任务（检测番茄叶片病虫害）。这里测试的数据集一共1250张图，1000张用于训练，250张用于验证，共分为5个类别。数据集结构如下： 数据集部分图片展示：2.2 代码：混淆矩阵
转载
2023-08-21 09:56:40
492阅读
稀疏编码 首先介绍一下“稀疏编码”这一概念。 早期学者在黑白风景照片中可以提取到许多16*16像素的图像碎片。而这些图像碎片几乎都可由64种正交的边组合得到。而且组合出一张碎片所需的边的数目很少，即稀疏的。同时在音频中大多数声音也可由几种基本结构组合得到。这其实就是特征的稀疏表达。即使用少量的基本特征来组合更加高层抽象的特征。在神经网络中即体现出前一层是未加工的像素，而后一层就是对这些像素的非线性
转载
2024-01-20 22:17:55
50阅读
# PyTorch如何取出矩阵的数值
PyTorch 是一个开源的深度学习框架，提供了丰富的工具和功能来处理张量（矩阵）数据。在 PyTorch 中，我们可以使用多种方式来取出矩阵的数值。
## 1. 使用索引操作符
一种最常见的方式是使用索引操作符 `[]` 来取出矩阵的数值。我们可以使用整数索引或切片来选择元素或子矩阵。
下面是一个示例代码：
```python
import tor
原创
2023-10-02 09:51:08
220阅读
# PyTorch如何把矩阵摊平
## 引言
在深度学习中，输入数据通常以矩阵的形式表示。然而，有时我们需要将高维的矩阵摊平成一维的向量，以便能够进行后续的操作。PyTorch提供了简单的方法来实现这一操作，本文将介绍如何使用PyTorch将矩阵摊平，并以一个实际问题为例进行演示。
## 问题描述
假设我们有一个包含10个图像的数据集，每个图像的尺寸为28x28像素。我们希望将每个图像摊平
原创
2024-02-02 10:13:37
71阅读
# 使用PyTorch求解对角半边矩阵的实用指南
在机器学习和深度学习中，许多算法和模型需要运算矩阵。对角半边矩阵（Diagonal Semi-definite Matrix）在统计和优化领域具有重要应用。本文将介绍如何使用PyTorch来创建和操作对角半边矩阵，并通过一个实际问题来解决这个话题。
## 1. 什么是对角半边矩阵？
对角半边矩阵是指一个矩阵的对角元素非负，而非对角元素均为零。
原创
2024-10-10 03:39:57
32阅读
# PyTorch相似矩阵如何理解
## 1. 引言
在机器学习和深度学习中，我们经常需要处理由多个样本组成的数据集。这些样本可以表示为矩阵的形式，其中每一行代表一个样本。在某些情况下，我们可能需要计算样本之间的相似度或距离。这时，相似矩阵就派上了用场。本文将介绍PyTorch中相似矩阵的概念、计算方法以及其在实际问题中的应用。
## 2. 相似矩阵的定义与计算
相似矩阵是指将一个矩阵中的元素
原创
2023-08-29 03:15:04
141阅读
混淆矩阵（confusion matrix）1. 混淆矩阵介绍2. 代码实现2.1 数据集2.2 代码：混淆矩阵类2.3 在验证集上计算相关指标2.4 结果 1. 混淆矩阵介绍这里不多说，可参考混淆矩阵相关概念调用sklearn库计算混淆矩阵的指标2. 代码实现（自己设计实现，不用sklearn库）2.1 数据集此数据集用于多分类任务（检测番茄叶片病虫害）。这里测试的数据集一共1250张图，100
文章目录张量的线性代数运算1. BLAS和LAPACK的概览2. 矩阵的形变及特殊矩阵构造方法3. 矩阵的基本运算4. 矩阵的线性代数运算矩阵的迹矩阵的秩矩阵的行列式(det)5. 线性方程组的矩阵表达形式inverse函数: 求解逆矩阵6. 矩阵的分解特征分解torch.eig函数: 特征分解奇异值分解(SVD)svd奇异值分解函数 张量的线性代数运算也就是BLAS(Basic Linear
转载
2023-11-13 14:14:40
482阅读
PyTorch入门实战教程笔记（八）：基础张量操作4包含：数学运算，统计属性数学运算：Add/minus/multiply/divide:加减乘除基本运算（数学运算）Matmul：Tensor的矩阵式相乘（矩阵形式）Pow：矩阵的次方sqrt/rsqrt：矩阵的次方根Round：矩阵近似运算Add/minus/multiply/divide: 基本运算： 加减乘除可以用＋－* /，也可以用ad
转载
2024-01-25 20:03:40
76阅读
