人工智能基础(七)矩阵与数字运算

矩阵

1.矩阵和向量
矩阵:理解-二维数组
向量:理解-一维数组

2.加法和标量乘法
加法:对应位置相加
乘法:标量和每个位置的元素相乘

3.矩阵向量(矩阵)乘法

4.矩阵乘法性质
满足结合律,不满足交换律

5.单位矩阵
对角线为1,其他位置为0的矩阵

6.逆
矩阵A*矩阵B = 单位矩阵
那么A和B就互为逆矩阵

7.转置
行列互换

数组间运算

1.数组与数字是直接可以进行运算*

2.数组和数组
需要满足广播机制
纬度相同
shape对应位置为1

3.矩阵乘法api
np.dot – 点乘
np.matmul – 矩阵相乘
注意: 两者之间在进行举证相乘的时候,没有区别,但是dot支持矩阵和数字相乘

[本课程属于AI完整学习路线套餐,该套餐已“硬核”上线,点击立即学习!] 【为什么学习学?】 人工智能的本质是学,网上有很多AI课程,只蜻蜓点水的介绍一下算法背后的学理论,知识点比较混乱,不成体系,学了以后一旦在实战遇到难点就不知道该怎么办了。比方说老师遇到过用很多层MLP预测用户转化率的工程师,只是单纯的追求模型的“复杂度”,而忘记了底层学的本质回归问题超过3层神经网络足以拟合空间中任一曲线,耗费了大量的运算资源却造成了模型的过拟合。 很多同学因为不理解AI底层的学和理论,知其然不知其所以然,遇到问题不知道如何从根源上去思考排查解决问题,而是花了大量时间做一个“调参侠”,期望蒙中一个优化组合,可是调参空间之巨大如果没有方向随机的搜索和买彩票一样。但是专门的学课学习起来非常抽象和枯燥,而且其中大量内容和人工智能关系不大。因此在设计这门专为人工智能服务的学课,讲解从人工智能用到的底层的学逻辑,让大家可以真正理解学知识。 【讲师介绍】 褚英昊  技术总监深造于美国圣地亚哥国家超级计算中心,毕业后归国曾服务于世界某500强中国区AI Lab,是人工智能+智能制造领域的专家。先后发表国际期刊21篇(其中SCI收录17篇),第一作者发明专利11份。【学习目标】 1、更加高效学习、更好的理解AI知识 2、在找工作中在众多的套工程的“调参侠”中脱颖而出,获得面试官的重视 3、在实际工作和开发中,遇到问题能理解问题的本质,真正做到精准而高效的解决问题,获得领导的倚重 【梳理学与AI知识之间的关联】 【专门为学设计的项目案例】
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值