一、向量、矩阵、张量的区别 二、线性相关和生成子空间 三、范数 四、特征分解和奇异值分解 五、主成分分析 一、向量、矩阵、张量的区别 向量(vector):一个向量是一列有序排列的数。 矩阵(matrix):矩阵是一个二维数组。 张量(tensor):维度称为两维的数组称为张量。 二、线性相关和生成子空间 方程的解如何理...
张量: 是有大小和多个方向的量。这里方向指的就是张量的阶数。 空间维度:一般我们使用3维空间,也可以是四维以上的维度 张量阶数m:在固定的3维空间在谈张量的阶数,阶数小于等于维数,即m<=n. 0维张量/标量 标量是一个数字1维张量/向量 1维张量称为“向量”。2维张量 2维张量称为矩阵3维张量公用数据存储在张...
向量b和矩阵A每一行相加。无须在加法操作前定义一个将向量b复制到第一行而生成的矩阵。隐式复制向量b到很多位置方式,称广播(broadcasting)。 矩阵、向量相乘。 两个矩阵A、B矩阵乘积(matrix product)是第三个矩阵C。矩阵A列数必须和矩阵B行数相等。如果矩阵A的形状mn,矩阵B的形状是np,矩阵C的形状是mp。两个...
1、标量可以看作是0阶张量。2、向量可以看作是1阶张量。3、矩阵可以看作是2阶张量。4、3阶及3阶以上的张量，通常被称之为高阶张量。可以通过ndarray分别创建不同阶的张量：张量概念的底层，同样是基于多维数组进行存储实现。为了便于使用，在Tensorflow和PyTorch等深度学习框架中，张量都是作为最基本的数据结构进行...
1.标量、向量、矩阵、张量: ①标量指有大小没有方向的数。 ②向量指既有大小也有方向的一组数。 ③矩阵指二维的一组数,一行是一个对象,一列是一个对象的一个特征【一行一对象,一列一特征】。 ④张量指一个数组分布在多维网格坐标中。 2.向量的范数: ①向量的1范数(L1范
向量的内积是同维数字相乘之和,如: 矩阵matrix(2D 张量) 二维数组,也叫2维张量、2D 张量、2阶张量。 矩阵的形状也称矩阵的维数,如2×2矩阵 矩阵加法 同形状矩阵直接可以相加,同位置元素相加即可 矩阵内积 同形状矩阵之间可以内积,其结果为同位置数字相乘之和,如: ...
标量、向量、矩阵、张量之间的联系 在深度学习中,大家肯定都知道这几个词:标量(Scalar),向量(Vector),矩阵(Matrix),张量(Tensor)。但是要是让我们具体说下他们,可能一下子找不出头绪。下面介绍一下他们之间的关系: 标量(scalar) 一个标量表示一个单独的数,它不同于线性代数中研究的其他大部分对象(通常是多...
一、标量、向量、矩阵与张量 1. 标量(scalar) 一个标量就是一个单独的数。标量用斜体表示。 标量通常使用小写变量名称。 在介绍标量时,会明确它是哪种类型的数,如: 定义实数标量时,可能会说: “令 Rs∈R表示一条线的斜率”; 在定义自然数标量时,可能会说 “令 Nn∈N”表示元素的数目。
2.1 标量、向量、矩阵和张量 这一章讲述了下面几个基本概念: 1.标量(scalar),用斜体表示,如a 2.向量(vector),有序数列,用粗体小写字母表示,如a 3.矩阵(matrix),二维数组,用粗体大写字母表示,如A 4.张量(tensor),理解为多维数组吧。 以及一些操作: ...
标量、向量、矩阵、张量之间的联系 标量(scalar) 一个标量表示一个单独的数,它不同于线性代数中研究的其他大部分对象(通常是多个数的数组)。我们用斜体表示标量。标量通常被赋予小写的变量名称。 向量(vector) 一个向量表示一组有序排列的数。通过次序中的索引,我们可以确定每个单独的数。通常我们赋予向量粗体...