本文介绍了向量的内积（点乘）和外积的概念，展示了如何通过numpy库进行计算。内积与向量的范数相关，外积则涉及矩阵的升维操作。此外，还提及了点乘（dot product）和元素乘积（Hadamard product）在深度学习中的应用，尤其是卷积运算中元素乘积的重要性。
讨论内积与外积之前，首先定义两个基本列向量：
u = [ u 1 u 2 u 3 ] , v = [ v 1 v 2 v 3 ] \mathbf{u} = \left[ \begin{matrix} u_1 \\ u_2 \\ u_3 \end{matrix} \right] ,\quad \mathbf{v} = \left[ \begin{matrix} v_1 \\ v_2 \\ v_3 \end{matrix} \right] u=⎣⎡u1u2u3⎦⎤,v=⎣⎡v1v2v3⎦⎤
- Inner product 内积
u T v = [ u 1 , u 2 , u 3 ] [ v 1 v 2 v 3 ] = u 1 v 1 + u 2 v 2 + u 3 v 3 \mathbf{u}^T\mathbf{v} =\left[ \begin{matrix} u_1, u_2, u_3 \end{matrix} \right] \left[ \begin{matrix} v_1 \\ v_2 \\ v_3 \end{matrix} \right] =u_1v_1+u_2v_2+u_3v_3 uTv=[u1,u2,u3]⎣⎡v1v2v3⎦⎤=u1v1+u2v2+u3v3
内积与范数紧密相关。
KaTeX parse error: Undefined control sequence: \norm at position 2: \̲n̲o̲r̲m̲{\mathbf{u}}=(\…
- 向量外积
u v T = [ u 1 u 2 u 3 ] [ v 1 , v 2 , v 3 ] = [ u 1 v 1 u 1 v 2 u 1 v 3 u 2 v 1 u 2 v 2 u 2 v 3 u 3 v 1 u 3 v 2 u 3 v 3 ] \mathbf{u}\mathbf{v}^T =\left[ \begin{matrix} u_1\\ u_2\\u_3 \end{matrix} \right] \left[ \begin{matrix} v_1,v_2,v_3 \end{matrix} \right] =\left[ \begin{matrix} u_1v_1 & u_1v_2 & u_1v_3 \\ u_2v_1 & u_2v_2 & u_2v_3 \\ u_3v_1 & u_3v_2 & u_3v_3 \end{matrix} \right] uvT=⎣⎡u1u2u3⎦⎤[v1,v2,v3]=⎣⎡
最低0.47元/天 解锁文章
扫一扫
1595
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
