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 $s \in R$ 表示一条线的斜率”; 在定义自然数标量时,可能会说 “令$n \in N$”表示元素的数目。 2...
比如:重量、温度、长度、提及、时间、热量等都数据标量。 线——向量(vector)向量主要有2个维度:大小、方向。 面——矩阵(matrix)是一个按照长方阵列排列的复数或实数集合,元素是实数的矩阵称为实矩阵,元素是复数的矩阵称为复矩阵。而行数与列数都等于n的矩阵称为n阶矩阵或n阶方阵。 体——张量(tensor)张量有...
4. 单位矩阵(identity matrix) 从形式上看,单位矩阵所有沿对角线的元素都是1, 而其它位置的所有元素都是0.如: 任意向量和单位矩阵相乘,都不会改变。我们将保持n nn维向量不变的单位矩阵记作In,形式上, 5. 逆矩阵 矩阵A AA的逆矩阵记作 A − 1 A^{-1}A−1, 其定义的矩阵满足如下条件: 6....
向量可作一列矩阵。向量转置,一行矩阵。向量元素作行矩阵写在文本行,用转置操作变标准列向量来定义一个向量,x=x1,x2,x3⫟。标量可看作一元矩阵。标量转置等于本身,a=a⫟。 矩阵形状一样,可相加。对应位置元素相加。C=A+B,Ci,j=Ai,j+Bi,j。标量和矩阵相乘或相加,与矩阵每个元素相乘或相加,D=aB+C,D...
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...
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...
标量、向量、矩阵和张量 标量、向量、矩阵和张量 1.标量（scalar）： ⼀个标量就是⼀个单独的数，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。 介绍标量时，会明确它们是哪种类型的数。2.向量（vector）： ⼀...
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
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 s ∈ R 表示一条线的斜率”; 在定义自然数标量时,可能会说 “令 n ∈ N ”表示元素的数目。
深度学习基础:标量、向量、矩阵、张量 标量(scalar) 标量是一个独立存在的数,比如线性代数中的一个实数5就可以被看作一个标量,所以标量的运算相对简单,与平常做的算数运算类似。 向量(vector) 向量指一列顺序排列的元素,我们通常习惯用括号将这些元素扩起来,其中每个元素都又一个索引值来唯一的确定其中在向量中的...