php 数学基础,TensorFlow数学基础

在TensorFlow中创建基本应用程序之前,了解TensorFlow所需的数学概念非常重要。数学是任何机器学习算法的核心。在数学核心概念的帮助下,定义了特定机器学习算法的解决方案。

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。

php 数学基础,TensorFlow数学基础_第1张图片

矢量模型的图形表示如下所示 -

php 数学基础,TensorFlow数学基础_第2张图片

标量

标量可以定义为一维向量。标量是那些仅包括大小而没有方向的标量。对于标量,我们只关注幅度。

标量的示例: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。矩阵的大小由行长度和列长度定义。下图显示了任何指定矩阵的表示。

php 数学基础,TensorFlow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,矩阵表示将指定为“m * n矩阵”,其也定义了矩阵的长度。

数学计算

在本节中,我们将了解TensorFlow中的数学计算。

矩阵相加

如果矩阵具有相同的尺寸,则可以相加两个或更多个矩阵。相加表示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相加方式是如何工作的 -

php 数学基础,TensorFlow数学基础_第4张图片

矩阵减法

矩阵的减法以类似于添加两个矩阵的方式操作。如果尺寸相等,用户可以减去两个矩阵。

php 数学基础,TensorFlow数学基础_第5张图片

矩阵乘法

对于两个矩阵A m * n和B p * q是可乘的,n应该等于p。得到的矩阵是 -

php 数学基础,TensorFlow数学基础_第6张图片

矩阵的转置

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

9c5d7f94f7fff6d5327dbb3fcd347b3a.png

矢量的点积

尺寸n的任何矢量可以表示为矩阵v = R ^ n * 1。

php 数学基础,TensorFlow数学基础_第7张图片

两个向量的点积是相应组件的乘积之和 - 沿相同维度的组件,可以表示为:

a55b03b75287eb187f6241d49635669a.png

矢量点积的例子如下 -

php 数学基础,TensorFlow数学基础_第8张图片

¥ 我要打赏

纠错/补充

收藏

加QQ群啦,易百教程官方技术学习群

注意:建议每个人选自己的技术方向加群,同一个QQ最多限加 3 个群。

你可能感兴趣的:(php,数学基础)