深度学习的有关线性代数的基础知识

1.标量、向量、矩阵、张量的概念及基本python运算

https://cloud.tencent.com/developer/article/1165913

这篇文章部分代码中变量的类型有问题，整体无伤大雅。

 

2.向量点乘（内积）和叉乘（外积、向量积）概念及几何意义解读

https://blog.csdn.net/kebu12345678/article/details/80724336

这篇文章分割线后面的内容可以跳过

 

3.矩阵和数组的区别

https://www.cnblogs.com/AlvinSui/p/8412721.html

 

4.不同的“维度”：

向量的维度指向量的长度，即列数。

数组的维度是指数组的深度，看最左边有几个括弧。 比如[[[1, 2], [3, 4]], [[5, 6], [7, 8]]]就是3维数组。矩阵在形式上是2维数组，但两者类型不同，所包含的运算规则也不同。

矩阵的维度是指矩阵的行数。

参考链接：

详解 n 维向量、n 维数组 和 矩阵的维度：https://blog.csdn.net/qq_41800366/article/details/86605575

史上最生成形象的理解矩阵的维度和乘法：https://blog.csdn.net/tianrui007/article/details/79632881

 

5.简单来讲，张量可以理解成多维数组。

第零阶张量 （r = 0） 为标量 （Scalar），第一阶张量 （r = 1） 为向量 （Vector）， 第二阶张量 （r = 2） 则成为矩阵 （Matrix）。