- 博客(2)
- 收藏
- 关注
RSS订阅原创 张量Tensor@最强分析
如果你的张量理解程度还停留在只能想象出三维的张量维度的话，相信这篇文章一定能让你彻底理解各种维度的张量！ 文章目录如果你的张量理解程度还停留在只能想象出三维的张量维度的话，相信这篇文章一定能让你彻底理解各种维度的张量！理解第一步（一维张量）：理解第二步（二维张量）：理解第三步（三维张量）：理解第四步（高维张量）：当然，我们还可以通过简图通俗理解以及想象高维张量长啥样！： 理解第一步（一维张量）： 对张量最初级的理解可以举例为python中的列表，这里的list就可以理解为一维张量： list=[1,2,
2022-05-15 14:43:40
853
原创 矩阵运算@超强可视化
1、高维矩阵可视化 一维：首先一维的矩阵非常简单，比如[1,2,3,4]，可以用下图表示 二维：接着来看二维，可用以下代码生成一个二维矩阵，采用keras框架 import keras.backend as K import numpy as np a = K.constant(np.arange(1, 7), shape=[2,3]) print(K.eval(a)) 输出为 [[1. 2. 3.] [4. 5. 6.]] 看维度的小技巧：想知道一个矩阵的维度是几维的，只需要看开头有几个“[”，有
2021-11-01 19:55:53
940
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人