一个往事十年的真实告诫追款高手易混基本定义

• 标量：独立一个数

• 空间向量：一行/行数

• 引流矩阵：二维数组

• 张量：一般指多维（0 维张量是标量，1 维张量是空间向量，2 维张量是引流矩阵）

• 转置：沿主对角线伸缩

在 Numpy 中界定引流矩阵的方式，及其开展转置的方式：

importnumpyasnpa=np.array([[1,2,3],[4,5,6]])a=a.reshape(3,2)print(a)[[12][34][56]]复制代码

基础算术关联

与高数中矩阵相乘內容一致：

a=np.array([[1,2],[3,4]])b=np.array([[5,6],[7,8]])print(a*b)print(a.dot(b))print(np.dot(a,b))print(np.linalg.inv(a))#星(*)[[512][2132]]#点乘[[1922][4350]]#点乘[[1922][4350]]#逆运算[[-2.1.][1.5-0.5]]复制代码

范数

范数是一个涵数，用以考量长短尺寸的一个涵数。数学课上，范数包含向量范数和矩阵范数。

向量范数

大家先探讨空间向量的范数。空间向量是有方位有尺寸的，这一尺寸就用范数来表明。

严苛实际意义上而言，范数是考虑下述特性的随意涵数：

• 当 p=2 时，范数(，可简化写出)称之为欧几里得范数，能够测算间距。可是大家见到这儿有一个开方运算，因而为了更好地除掉这一开根号，大家有可能求的是范数的平方米，即范数，这便会降低一次对外开放计算，在后面提及的损失函数中，范数和平方米范数都出示了同样的提升总体目标，因而平方米范数更常见，测算起來也更简易，能够根据测算，这速率就迅速了。