Elementvisa operationer och reduktioner
Beräkna summa, medelvärde och maximum över valda axlar
Elementvisa operationer och reduktioner är en gratis lektion i Deep Learning Academy på CoddyKit. Detta är lektion 2 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Deep Learning Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Deep Learning Academy innehåller totalt 4 lektioner.
Två typer av operationer
Tensorberäkningar delas upp i två familjer: elementvisa operationer som behåller formen och reduktioner som komprimerar den till färre tal.
Elementvisa operationer behåller formen
En elementvis operation utför samma åtgärd på varje element oberoende av de andra. Samma form in och ut, utan att positionerna blandas.
b = a * 2 + 1
# same shape as a, every element transformedParvis elementvis matematik
Med två tensorer av samma form arbetar elementvisa operationer position för position. Addition matchar index med index, och multiplikation gör likadant.
c = a + b
d = a * bMatematiska funktioner är också elementvisa
Funktioner som torch.relu, exp och sqrt körs elementvis. Varje tal omvandlas för sig, och tensorn behåller sin ursprungliga form.
r = torch.relu(x)
e = torch.exp(x)Reduktioner komprimerar tal
En reduktion kombinerar många värden till färre. Summa, medelvärde och maximum reducerar en hel tensor, som standard till en enda skalär.
total = x.sum()
avg = x.mean()Argumentet dim väljer en axel
Ange dim för att reducera längs endast en axel. Den valda axeln försvinner medan de andra finns kvar, så en 2D-tensor blir 1D.
col_sums = x.sum(dim=0)
row_means = x.mean(dim=1)keepdim bevarar formen
Ange keepdim=True för att behålla den reducerade axeln med storleken 1. Den bevarade formen gör att senare broadcasting passar ihop på ett tydligt sätt.
m = x.max(dim=1, keepdim=True).valuesmean kräver flyttal
mean dividerar och förväntar sig därför flyttalsdata. Anropar du den på en heltalstensor kommer PyTorch att klaga tills du först castar till float.
avg = x.float().mean()argmax hittar vinnaren
Ibland vill du ha positionen, inte värdet. argmax returnerar indexet för det största elementet, vilket är så en klassificerare väljer sin förutsagda klass.
pred = logits.argmax(dim=1)Kedja ihop dem
Riktig kod kombinerar båda typerna: en elementvis transformering matar en reduktion. Kvadrera felen och ta sedan medelvärdet, så får du medelkvadratfelet.
mse = ((pred - target) ** 2).mean()Välj mellan att behålla och minska formen
En bra tumregel är att använda elementvis när varje värde ska ändras på sin plats och en reduktion när du behöver en sammanfattning, till exempel en totalsumma eller ett medelvärde.
Snabb kontroll
Kan du avgöra vilken operation som ändrar en tensors form?
Sammanfattning: Transformera kontra sammanfatta
Elementvisa operationer behåller formen och arbetar värde för värde. Reduktioner som sum och mean komprimerar den, medan dim och keepdim styr exakt hur. 🎯
Lär dig Python med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 30
- Lektioner
- 120
Vanliga frågor
Är lektionen ”Elementvisa operationer och reduktioner” gratis?
Ja – hela texten till ”Elementvisa operationer och reduktioner” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Deep Learning Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Deep Learning Academy innehåller totalt 4 lektioner.
Vad lär jag mig i ”Elementvisa operationer och reduktioner”?
Beräkna summa, medelvärde och maximum över valda axlar Ni övar på Deep Learning Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Deep Learning Academy?
Du behöver inga förkunskaper. Utbildningen i Deep Learning Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 2 av 4.
Hur lång tid tar lektionen ”Elementvisa operationer och reduktioner”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Deep Learning Academy-lektionen?
Ja. Varje Deep Learning Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Varför loopar är långsamma för matematik
- Elementvisa operationer och reduktioner
- Multiplicera matriser med matmul och @
- Skalärprodukter driver varje lager