学习笔记(09):程序员的数学：线性代数-回顾线性空间的成员

立即学习:https://edu.csdn.net/course/play/26245/326273?utm_source=blogtoedu

#标量(Scalar)：一个单独的数字，通常写作小写

#向量(Vector)：有序的一列数，通过次序索引，可以确定每个单独的数

• 向量的模：a=[x1,x2,...,xn]，则|a|=根号x1^2+x2^2+....+xn^2
• 向量与标量相加：s+a=[s+x1,s+x2,...,s+xn]，把标量s看做0维的向量
• 向量与标量相乘：sa=[sx1,sx2,...,sxn]

#矩阵(Matrix)是一个二维数组，其中每个元素由两个索引确定，通常写作大写

字母

• 形状一样的矩阵相加：对应位置的元素相加
• 矩阵与标量相加：就是矩阵中每个元素都与标量相加一次
• 矩阵与标量相乘：就是矩阵中的每个元素与标量相乘

    标量(Scalar)是零维，向量(Vector)是一维，矩阵(Matrix)是二维，张量(Tensor)是三维

张量(Tensor)。三维以上的都叫张量，高维的就不再起新名字了

谷歌的深度学习框架TensorFlow，就是这个张量（Tensor）。

整个人工神经网络在计算的时候，有很多张量在里面进行一连串的计算，就好像流动一样（flow）