超级会员免费看
本文深入探讨矩阵乘法在卷积运算中的核心作用，揭示其本质是多次向量内积运算，即数据的乘累加。通过鸡尾酒调配的例子，解释矩阵乘法如何实现资源的整合和再创，进一步联系到深度学习中，权值矩阵如何通过矩阵乘法对输入数据进行特征融合，从而实现模型的学习和预测。
本来一直在介绍卷积，为什么突然出现一个矩阵乘法呢？
因为如果我们将卷积运算拆开，其中最核心的部分便是一个矩阵乘法。所以，卷积算法可以看做是带滑窗的矩阵乘法。
这里的滑窗，就是卷积运算中所示意的动图那样，所以，我们把滑窗固定，不看卷积核滑动这个动作，那么就是下面的样子。
以本次固定住的滑窗为例：计算过程为：
12.0 = 3x0 + 2x1 + 1x2 + 0x2 + 1x2 + 3x0 + 1x0 + 2x1 + 2x2
这种几个数字相乘并且加加在一起的操作，有点眼熟吗？没错就是两个向量的内积运算。
如果将矩阵乘法用公式写出来，那就是 [M,N] x [N,K] = [M,K]，也就是由 MxK次向量内积组成。因此，卷积运算和矩阵乘法
订阅专栏 解锁全文
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
