pythontensor_python中的张量运算（tensor）
1，⾸先⽐较⼆者的参数部分：这就是处理0阶张量和1阶张量的区别
np.max：(a, axis=None, out=None, keepdims=False)
求序列的最值
最少接收⼀个参数
axis：默认为列向(也即 axis=0)，axis = 1 时为⾏⽅向的最值；
np.maximum：(X, Y, out=None)
X 与 Y 逐位⽐较取其⼤者；
最少接收两个参数
2、python标准库中的math和numpy中的数学计算问题：
⽐如都有p()和p()函数等，但是做数据分析时⼀般都⽤numpy⾃带的数学函数，更专业
3、张量元素的迭代器
it=np.nditer(a,flags=['multi_index'],op_flags=['readwrite'])，这句话看起来不好理解，我们来仔细研究下。
flags=['multi_index']表⽰对a进⾏多重索引，具体解释看下⾯的代码。
random在python中的意思op_flags=['readwrite']表⽰不仅可以对a进⾏read(读取)，还可以write(写⼊)，即相当于在创建这个迭代器的时候，我们就规定好了有哪些权限。
4、张量的卷积运算
从⼆维张量(矩阵)的⾓度看，张量的卷积运算是对dot product和cross运算的⼀种推⼴，对两个矩阵的形状没有那么严格的要求，可以试想两个平⾯运算，两个⽅块运算。
5.numpy.pad填充函数:
看这篇博客，写的很详细，有案例，
6.张量中的切⽚操作：
x1=np.random.rand(3,4,5)
x2 =x1[:,2,:]：确定了第⼆个轴的坐标，没有⽤冒号代替，意思就是全选，则x2,shape=(3,5)，就相当于在⾯包上切⽚。
7，ndarray的⽅法和属性
Numpy中主要处理张量，当我们把处理好的数据集变成张量对象后，那它将拥有哪些⽅法和函数呢？⽐如最常见的shape和
reshape()，transpose()。这些可以分为描述信息和统计信息两⼤类吧，⽐如mean(),std()

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。