目录一、简介1.哑标2.自由标二、torch实现1.计算迹2.取矩阵对角线3.计算外积4.batch矩阵乘法5.带有子列表和省略号6.变换维度7.双线性变换，类似于torch.nn.functional.bilinear一、简介 爱因斯坦求和约定(Einsteinsummationconvention)是一种标记的约定,又称为爱因斯坦标记法(Einsteinnotation),可以基于一些约定简写格式表示多维线性代数数组操作，让表达式更加简洁明了。 既然是约定，那我们就来看看都约定了什么，主要有如下两点：1.哑标 公式中不同字母分别有重复一次的上角标和下角标时
目录一、简介1.哑标2.自由标二、torch实现1.计算迹2.取矩阵对角线3.计算外积4.batch矩阵乘法5.带有子列表和省略号6.变换维度7.双线性变换，类似于torch.nn.functional.bilinear一、简介 爱因斯坦求和约定(Einsteinsummationconvention)是一种标记的约定,又称为爱因斯坦标记法(Einsteinnotation),可以基于一些约定简写格式表示多维线性代数数组操作，让表达式更加简洁明了。 既然是约定，那我们就来看看都约定了什么，主要有如下两点：1.哑标 公式中不同字母分别有重复一次的上角标和下角标时
继Meta的LLaMA模型开源后，AI界研究人员就在这个模型基础上衍生出许多版本。前段时间，斯坦福发布了Alpaca，是由Meta的LLaMA7B微调而来，仅用了52k数据，性能可以与GPT-3.5匹敌。今天，斯坦福学者联手CMU、UC伯克利等，再次推出一个全新模型——130亿参数的Vicuna，俗称「小羊驼」（骆马）。Vicuna是通过在ShareGPT收集的用户共享对话上对LLaMA进行微调训练而来，训练成本近300美元。研究人员设计了8个问题类别，包括数学、写作、编码，对Vicuna-13B与其他四个模型进行了性能测试。测试过程使用GPT-4作为评判标准，结果显示Vicuna-13B在超
继Meta的LLaMA模型开源后，AI界研究人员就在这个模型基础上衍生出许多版本。前段时间，斯坦福发布了Alpaca，是由Meta的LLaMA7B微调而来，仅用了52k数据，性能可以与GPT-3.5匹敌。今天，斯坦福学者联手CMU、UC伯克利等，再次推出一个全新模型——130亿参数的Vicuna，俗称「小羊驼」（骆马）。Vicuna是通过在ShareGPT收集的用户共享对话上对LLaMA进行微调训练而来，训练成本近300美元。研究人员设计了8个问题类别，包括数学、写作、编码，对Vicuna-13B与其他四个模型进行了性能测试。测试过程使用GPT-4作为评判标准，结果显示Vicuna-13B在超
用pyecharts画Map或者Geo，需要用到的国家中英文对照表：英文 中文Zimbabwe 津巴布韦Zambia 赞比亚Yugoslavia 南斯拉夫Yemen 也门WesternSahara 西撒哈拉WallisandFutuna 瓦利斯群岛和富图纳群岛W.Sahara 西撒哈拉Vietnam 越南Venezuela 委内瑞拉Vanuatu 瓦努阿图Uzbekistan 乌兹别克斯坦Uruguay 乌拉圭UnitedStates 美国UnitedKingdom 英国UnitedArabEmirates 阿拉伯联合酋长国UnitedArabEmirates 阿联酋Ukraine 乌克兰Ug
用pyecharts画Map或者Geo，需要用到的国家中英文对照表：英文 中文Zimbabwe 津巴布韦Zambia 赞比亚Yugoslavia 南斯拉夫Yemen 也门WesternSahara 西撒哈拉WallisandFutuna 瓦利斯群岛和富图纳群岛W.Sahara 西撒哈拉Vietnam 越南Venezuela 委内瑞拉Vanuatu 瓦努阿图Uzbekistan 乌兹别克斯坦Uruguay 乌拉圭UnitedStates 美国UnitedKingdom 英国UnitedArabEmirates 阿拉伯联合酋长国UnitedArabEmirates 阿联酋Ukraine 乌克兰Ug
技术背景在前面的几篇文章中我们分别介绍过numpy中的爱因斯坦求和函数Einsum和MindSpore框架中的爱因斯坦求和算子Einsum的基本用法。而我们需要知道，爱因斯坦求和其实还可以实现非常多的功能，甚至可以替代大部分的矩阵运算，比如常见的点乘、元素乘、求和等等这些都是可以的。那我们就逐一看一下可以用爱因斯坦求和来替代的那些函数和方法。 案例演示在numpy、Jax框架和MindSpore框架中都是支持爱因斯坦求和算符的，那么这里为了方便演示，我们采用的是numpy来做一些参考案例:In[1]:importnumpyasnpIn[2]:x=np.arange(3)In[3]:xOut[3
技术背景在前面的几篇文章中我们分别介绍过numpy中的爱因斯坦求和函数Einsum和MindSpore框架中的爱因斯坦求和算子Einsum的基本用法。而我们需要知道，爱因斯坦求和其实还可以实现非常多的功能，甚至可以替代大部分的矩阵运算，比如常见的点乘、元素乘、求和等等这些都是可以的。那我们就逐一看一下可以用爱因斯坦求和来替代的那些函数和方法。 案例演示在numpy、Jax框架和MindSpore框架中都是支持爱因斯坦求和算符的，那么这里为了方便演示，我们采用的是numpy来做一些参考案例:In[1]:importnumpyasnpIn[2]:x=np.arange(3)In[3]:xOut[3
?课程学习中心|?CS数学基础课程合辑|?课程主页|?中英字幕视频|?项目代码解析课程介绍线性代数，是数据科学高阶课程的前置课程，也是前沿热门应用领域的根基。数据科学、机器学习、人工智能、信号和图像处理、层析成像、导航、金融等等，都建立在数学的基础之上。如果你想快速补充线性代数的相关知识，ENGR108这门课是非常好的选择！ENGR108（曾用名：EE103、CME103）是全球顶级院校斯坦福开设的以线性代数和矩阵论为主题的专业课程。不同于定理证明、矩阵运算的传统内容，这门课程更直观，用非常多的例子和图标，来表示向量、矩阵与复杂世界的关系，并能够解决现实问题。线性代数的相关知识，向量、矩阵与矩
?课程学习中心|?CS数学基础课程合辑|?课程主页|?中英字幕视频|?项目代码解析课程介绍线性代数，是数据科学高阶课程的前置课程，也是前沿热门应用领域的根基。数据科学、机器学习、人工智能、信号和图像处理、层析成像、导航、金融等等，都建立在数学的基础之上。如果你想快速补充线性代数的相关知识，ENGR108这门课是非常好的选择！ENGR108（曾用名：EE103、CME103）是全球顶级院校斯坦福开设的以线性代数和矩阵论为主题的专业课程。不同于定理证明、矩阵运算的传统内容，这门课程更直观，用非常多的例子和图标，来表示向量、矩阵与复杂世界的关系，并能够解决现实问题。线性代数的相关知识，向量、矩阵与矩
