首先引入一个数学概念
范数
导入NDarray
from mxnet import nd
创建DNarray
X = nd.arange(12)
| 方法 | 功能 | 参数实例 |
|---|---|---|
| nd.arange() | 创建一个行向量。有shape,size属性 | 12 |
| X.reshape() | 改变向量的形状 | (3, 4) |
| nd.zeros() | 创建一个元素 都为0的向量 | (3, 4) |
| nd.ones() | 创建一个元素都为1的向量 | (3, 4) |
| nd.array() | 创建一个向量 | [[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12]] |
| nd.random.normal() | 生成元素采自于正太分布的向量 | 0, 1, shape=(3, 4) |
运算
| 运算符 | 结果 | 参数实例 |
|---|---|---|
| + | 相同位置元素相加 | |
| - | ~相减 | |
| * | ~相乘 | |
| / | ~相除 | |
| X.exp() | 以元素为知数做e为底数的幂运算 | |
| nd.dot() | 两向量点乘 | |
| nd.concat() | 在制定维度上连接两个向量 | X, Y, dim=0 |
| == | 查找两个向量元素相同的位置 | X == Y |
| X.sum() | 求和 | |
| Y.norm().asscalar() | 求向量的L2范数,并将范数转化为python中的标量 |
广播机制
将两个shape不同的向量做运算会触发广播机制，如下面的例子：
把X的第一列复制到第二列得到一个新向量，把Y的第一行复制到第二，三行又得到一个新向量，这样两个向量就可以相加。这就是广播机制
索引
| 索引 | 结果 |
|---|---|
| X[1 : 2] | 取向量第二行到第三行的数据 |
| X[1, 2] | 取向量第二行第三个数据 |
| X[1 : 2, : ] = 1 | 给向量第二行元素全赋值为1 |