课程地址和说明
线性代数实现p4
本系列文章是我学习李沐老师深度学习系列课程的学习笔记，可能会对李沐老师上课没讲到的进行补充。
这节就算之前内容的复习，后面以截图形式呈现
这节课就简单说明以下，axis为0是行，1是列，为0是每一列按行往下加和，为1就是每一行按列往下加和（SUM）
按某个维度求和就把某个维度去掉后求和
如果保留维度求和，就把要求和的那个维度设置为1，其他按照上面方法求和
2×5×4三维数组求和，先大致画个图：
因为构建这个三维数组的时候，第一个维度设定为2，所以axis=0对应的是第一个维度2，其他以此类推。
- 假设对第一个维度（axis=0）求和，那么就是将其第一个维度方向加和，也就是如下的过程：
这样就能得到如下结果：
import torch
a =torch.ones((2,5,4))
print(a.sum(axis=0))
运行结果：
tensor([[2., 2., 2., 2.],
[2., 2., 2., 2.],
[2., 2., 2., 2.],
[2., 2., 2., 2.],
[2., 2., 2., 2.]])
恰好为一个4×2全为2的矩阵。
- 假设对第二个维度（axis=1）求和，那么就是将其第二个维度方向加和，也就是如下的过程：
print(a.sum(axis=1))
运行结果：
tensor([[5., 5., 5., 5.],
[5., 5., 5., 5.]])
符合2×4且元素都为5的矩阵
- 假设对第三个维度（axis=2）求和，那么就是将其第三个维度方向加和，也就是如下的过程：
print(a.sum(axis=2))
运行结果：
tensor([[4., 4., 4., 4., 4.],
[4., 4., 4., 4., 4.]])
- 对第一和第二两个维度合并求和，即如下过程：
print(a.sum(axis=[0,1]))
运行结果：
tensor([10., 10., 10., 10.])
正如上图所示，是一个一维向量
下面就是上面所说的实现，除了三维的这个求和，其他都比较简单：
