Python深度学习 1：基础数学

标量是零维张量：

张量的三个关键量：

强调形状，仔细看。

查看张量的轴的个数，形状，数据类型。

import numpy as np
x = np.array([[1, 2], [3, 4]])
print(x)

先分析，2个轴，2层括号，二维的。shape（2，2）

换个例子：

import numpy as np
x = np.array([[1, 2, 2], [3, 4, 2]])
print(x.dtype)
print(x.ndim)
print(x.shape)

显示图片：

张量切片：

切片是的负数表示到终点的距离：

批量：

广播：

矩阵转置函数：

梯度下降

采取批量的原因：

从代码上可以看到，每一个batch进行一次w和b参数的更新，那么，每一个batch中的数据彼此在做什么？为什么每一次喂的越多越准确呢？很easy！

优化器&&动量：