摘要：
这两个方法都是对应位置元素相乘，因此要求维度相同 矩阵相乘 tensor = torch.ones(4, 4) tensor[:,1] = 0 print(tensor) tensor([[1., 0., 1., 1.], [1., 0., 1., 1.], [1., 0., 1., 1.], [1 阅读全文
摘要：
1.张量>>>>numpy数组 t = torch.ones(5) print(f"t: {t}") n = t.numpy() print(f"n: {n}") t: tensor([1., 1., 1., 1., 1.]) n: [1. 1. 1. 1. 1.] 在张量中的改变也会影响numpy 阅读全文
摘要：
执行张量的加法运算 tensor = torch.ones(4, 4) tensor[:,1] = 0 print(tensor, "\n") tensor.add_(5) print(tensor) tensor([[1., 0., 1., 1.], [1., 0., 1., 1.], [1., 阅读全文
摘要：
除了tensor.matmul(tensor.T)这种表示方法，还有tensor @ tensor.T，都可以实现张量的矩阵乘法，当然tensor.mm也是矩阵乘法（这些方法和对应元素相乘区分开） 对应元素相乘 1.初始化张量 tensor = torch.ones(4, 4) tensor[:,1 阅读全文