矩阵的点乘和叉乘--深度学习应用场景针对有矩阵基础的解惑版

矩阵的点乘和叉乘–深度学习应用场景针对有矩阵基础的解惑版

 
 

大学刚学完矩阵论，一搞深度学习，代码.dot 和 矩阵* 傻傻分不清了。这里就帮各位大佬区分一下.
 
 

先讲叉乘

规则大家都知道，讲个记忆。叉乘吗，自然需要行列交叉相乘的形式才行的(^_−)☆
 
学过矩阵运算的都知道，我们其实默认说的矩阵乘法就是这个所谓的叉乘
就是两个矩阵形状对的上，才能正确就行叉乘运算,也就是行与列对应相乘最后相加，放在对应位置。

举个栗子o(´^｀)o：
形状上:
（NM）(M,Q)=(N,Q)

实例：

(32) * (23) = (3*3)
由于默认各位大佬都是有矩阵基础的，具体规则大佬们回忆一下就好。

在深度学习中，反而这种运算并不是太多，这个运算主要是用在矩阵形状变换（博主是在NLP自然语言处理，分词里面用到）
 
你想，如果用在CV里面，一个图片的行乘与一个图片的列在加起来，有何物理意义？