两个三维向量相乘公式_多维（三维四维）矩阵向量运算-超强可视化

两个三维向量相乘公式_多维（三维四维）矩阵向量运算-超强职来职往赵雪

可视化

⾼维矩阵或者向量的运算，是⼀个困扰着我很久的问题；在NLP⾥⾯经常就会碰到三维，四维的向量运算，矩阵相乘时相当头痛，⽐如著名的Attention中Q、K、V相乘，实在想不出来四维的到底长什么样，⼜是怎么相乘的。于是特地写下此⽂章，记录下个⼈的学习路程，也希望帮到⼤家。

1、⾼维矩阵可视化

⼀维：⾸先⼀维的矩阵⾮常简单，⽐如[1,2,3,4]，可以⽤下图表⽰

JY改造系统⼀维：

⼆维：接着来看⼆维，可⽤以下代码⽣成⼀个⼆维矩阵，采⽤keras框架

⼆维：

import keras.backend as K

点火时间import numpy as np

磷酸肌酸激酶a = K.constant(np.arange(1, 7), shape=[2,3])

print(K.eval(a))

输出为：

[[1. 2. 3.]中学数理化

[4. 5. 6.]]

林麝看维度的⼩技巧：想知道⼀个矩阵的维度是⼏维的，只需要看开头有⼏个“[”，有1个即为1维，上⾯的两个就是两维，后⾯举到的三维和四维的例⼦，分别是有三个“[”、四个“[”的。

上

本文发布于:2024-09-20 19:45:26，感谢您对本站的认可！

标签：矩阵相乘向量运算路程系统点火数理化

留言与评论（共有 0 条评论）