人工智能学习框架TensorFlow必须掌握和了解的数学基础

 

TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief。但是要掌握它的用法必须要了解一些数学基础知识,下面小编就来介绍一些经常用到的数学知识。

向量

将数字数组(连续或离散)定义为向量。机器学习算法处理固定长度向量以产生更好的输出。机器学习算法处理多维数据,因此向量起着至关重要的作用。

人工智能学习框架TensorFlow必须掌握和了解的数学基础_第1张图片

向量图

矢量模型的图形表示如下所示 :

人工智能学习框架TensorFlow必须掌握和了解的数学基础_第2张图片

 

标量

标量可以定义为一维向量,它只包括大小和方向。对于标量,我们只关注其大小。标量的例子包括儿童的体重和身高参数。

矩阵

矩阵可以定义为多维数组,以行和列的格式排列。矩阵的大小由长度和列长度定义。下图显示了任何指定矩阵的表示。

人工智能学习框架TensorFlow必须掌握和了解的数学基础_第3张图片

 

考虑如上所述的具有“m”行和“n”列的矩阵,矩阵表示将被指定为“m * n矩阵”,其也定义了矩阵的长度。

数学计算

矩阵加法

如果矩阵具有相同的尺寸,则可以添加两个或更多个矩阵。添加意味着根据给定位置添加每个元素。

请考虑以下示例以了解矩阵的添加方式是如何工作的

人工智能学习框架TensorFlow必须掌握和了解的数学基础_第4张图片

 

 

矩阵减法

矩阵的减法类似于两个矩阵的相加。如果维数相等,用户可以减去两个矩阵。

人工智能学习框架TensorFlow必须掌握和了解的数学基础_第5张图片

 

矩阵的乘法

对于两个矩阵Am*n和Bp*q是可乘的,n应该等于p。得到的矩阵是−

人工智能学习框架TensorFlow必须掌握和了解的数学基础_第6张图片

 

矩阵转置

矩阵A、m*n的转置通常由AT(转置)n*m表示,并且通过将列向量换位为行向量而获得。

人工智能学习框架TensorFlow必须掌握和了解的数学基础

 

矢量点积

维数n的任意向量都可以表示为矩阵v=R^n*1。

人工智能学习框架TensorFlow必须掌握和了解的数学基础_第7张图片

 

两个向量的点积是对应分量−分量沿同一维的乘积之和,可以表示为

人工智能学习框架TensorFlow必须掌握和了解的数学基础

 

向量点积的例子如下所示:

人工智能学习框架TensorFlow必须掌握和了解的数学基础_第8张图片

 

https://www.toutiao.com/a6699050585653510664/

你可能感兴趣的:(人工智能)