深度学习笔记线性代数方面，记录一些每日学习到的知识
记录一些每日学习到的新知识：
torch：Torch是一个有大量机器学习算法支持的科学计算框架，是一个与Numpy类似的张量(Tensor)操作库
jupyter：Jupyter Notebook 的本质是一个 Web 应用程序，便于创建和共享程序文档，支持实时代码，数学方程，可视化和 markdown。 用途包括：数据清理和转换，数值模拟，统计建模，机器学习等等。
只有一个轴的张量，形状只有一个元素
torch.arange（）为左闭右开，即[start, end）,torch.range（）为左闭右闭，即[start, end],用于根据步长创建一维tensor。
范数：范数，是具有“距离”概念的函数。我们知道距离的定义是一个宽泛的概念，只要满足非负、自反、三角不等式就可以称之为距离。范数是一种强化了的距离概念，它在定义上比距离多了一条数乘的运算法则。有时候为了便于理解，我们可以把范数当作距离来理解。
L2范数是向量元素平方和的平方根，即向量或矩阵的长度。
L1范数表为向量元素的绝对值之和。
范数F是矩阵元素的平方和的平方根，等价于把矩阵扩成一个向torch.arange（）
轴(axis)按特定轴求和:
axis = 0为行，axis为列，axis=2为维
例题：shape:[5,4]
axis:[0,1]
求和：axis=0,sum:[4]
axis=1,sum:[5]
例题：shape[2,5,4]
axis:1 [2,4]
axis: 2 [2, 5]
axis: 1,2 [4]
假设keepdims=True，不去掉，变成1
axis:1 shape:[2,1,4]
axis：1，2 shape[2,1,1]