1、对称矩阵 $A$ 等于其转置： $A = A^T$

Code

B = torch.tensor([[1, 2, 3], [2, 0, 4], [3, 4, 5]])
print(B == B.T)

Output

tensor([[True, True, True],
        [True, True, True],
        [True, True, True]])

2、就像向量是标量的推广，矩阵是向量的推广一样，我们可以构建具有更多轴的数据结构。张量是描述具有任意数量轴的$n$维数组的通用方法
如下：一个三维张量中，有2个二维矩阵，每个二维矩阵中有3个向量，每个向量有4个标量

Code

X = torch.arange(24).reshape(2, 3, 4)
print(X)

Output

tensor([[[ 0,  1,  2,  3],
         [ 4,  5,  6,  7],
         [ 8,  9, 10, 11]],

        [[12, 13, 14, 15],
         [16, 17, 18, 19],
         [20, 21, 22, 23]]])

3、矩阵克隆

A = torch.arange(20, dtype=torch.float32).reshape(5, 4)
B = A.clone() #克隆一个张量必须用clone语句,否则只是将B变为A的别名，即只传了地址
print(A)
print(A + B)