![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
0开始学习深度学习
文章平均质量分 89
安心当个人
这个作者很懒,什么都没留下…
展开
-
从零起步学习深度学习2
3. 单位矩阵和逆矩阵 线性代数提供了被称为 矩阵逆(matrix inversion)的强大工具。对于大多数矩阵 A,我们都能通过矩阵逆解析地求解式 。 为了描述矩阵逆,我们首先需要定义单位矩阵(identity matrix)的概念。任意向量和单位矩阵相乘,都不会改变。我们将保持 n 维向量不变的单位矩阵记作InI_nIn。形式上,In∈Rn×n,∀x∈Rn,Inx=x.I_n ∈ R_{n×n},\\ ∀_x ∈ R_n, I_nx = x.In∈Rn×n,∀x∈Rn,Inx=x. 单位原创 2021-01-12 16:47:28 · 88 阅读 · 0 评论 -
从零起步学习深度学习1
从零起步学习深度学习前期准备线性代数1. 标量、向量、矩阵和张量标量 (scalar)向量 (vector)矩阵 (matrix)张量 (tensor)转置 (transpose)总结2. 矩阵和向量相乘 前期准备 前期需理解深度学习所需的基本数学概念。我们从应用数学的一般概念开始,这能使我们定义许多变量的函数,找到这些函数的最高和最低点,并量化信念度。 线性代数 1. 标量、向量、矩阵和张量 标量 (scalar) 一个标量就是一个单独的数,不同于线性代数中大多数概念会涉及到多个数。我们用斜体表示标量。标原创 2021-01-08 16:48:01 · 61 阅读 · 0 评论