矩阵【1】:推理矩阵基本原理

从业时间也不短了,但感觉自己总在吃老本,越混越恶心啊,所以现在必须得改变了,找回当初发奋的那股子劲去拼一个明朗的未来啊,老大不小了得长心了。安慰自己不怕不怕,一点一滴积累努力。——种一棵树最好的时间是十年前,其次是现在。

先回忆一下上周学的矩阵问题。
矩阵可进行平移和旋转运算,那么为什么它能代表呢。我想现在试着推理一下(有可能不对,但我试试)。

1:先说2D空间上,一条直线用两个特性来描述,A:斜率(旋转角度)B:偏移值
ax+by+c=0,假设a和b都为单位1,c为0,那求得的是一个二四象限的一条斜45度的直线,那么我们来看a,b,c三个值分别能控制什么,a如果为2,那得到的是原来那条直线顺时针旋转22.5度,同理推到b则为逆时针旋转,那么c为1,则往上平移一个单位;则我们得出结论,a,b的值影响了旋转,c的值影响了偏移。
再说如何运算:ax+by+c=d;a,x+b,y+c,=d,;写成矩阵格式则为
工具不方便,凑活画一个,以后有空再改动
这里我们知道了矩阵运算和代数运算的格式,x和y是固定的值,只有系数影响其选择个便宜值。
2:继续在3D空间上,三个平面相交且相交成立,得到一个点(两个平面相交,得到一条线,这条线与第三个平面相交,得到一个点,明白吧);此点的值为(x,y,z,w)。那么前两个面相交所得的直线和第三个面可以有无数个相交点成立,我们假设前两个面相交的直线就处于第三个面之上,那我们列出式子 ax+by+cz+d = e…得到矩阵,(改日上图)
后面的我还没理解明白,待我明日补充。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
雅可比矩阵是一个矩阵,其中每个元素是一个函数的偏导数。在神经网络推理中,输出通常是一个向量,例如类别概率。当我们想要了解每个输入变量对输出的影响时,可以使用雅可比矩阵。 在Python中,我们可以使用不同的方法来计算雅可比矩阵。一个常用的方法是使用自动微分库,例如NumPy或PyTorch。这些库提供了方便的函数来计算函数的导数。 例如,在PyTorch中,我们可以使用backward函数计算雅可比矩阵。可以通过调用该函数并传递一个单位矩阵作为参数来计算所有输入变量的导数。这将返回一个大小为(输出维度,输入维度)的雅可比矩阵。 另一个方法是使用符号计算库,例如SymPy。这允许我们在符号级别上定义函数,并使用diff函数来计算每个变量的导数。这样可以得到一个表示雅可比矩阵的符号表达式。 总之,Python提供了多种方法来计算雅可比矩阵,具体取决于您使用的库和所需的功能。您可以根据自己的需求选择合适的方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [在Python中计算神经网络的雅可比矩阵](https://blog.csdn.net/weixin_39971138/article/details/110837157)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值