打好地基才能走的更遠~學AI，學深度學習不學點數學怎么行？此數學非彼數學，非數學專業(yè)或者統(tǒng)計學出身的都不要小瞧深度學習中的數學哦！

今天學姐帶來的是一位大佬“多多”整理的深度學習數學基礎中的標量、向量、矩陣、張量知識點，篇幅很短，內容很少，但是通俗易懂便于理解。

01?標量

簡單來說：一個標量就是一個單獨的數。

日常生活的一個例子：我們去超市買了1個冰淇凌，花費了2元，排隊結賬用了5分鐘，其中1、2和5都是標量。

對于標量，我們一般不討論其維度或者形狀(shape)的大?。ɑ蛘哒f是0維）。

02?向量

將多個標量放在一起組成了向量。比如x=[1,2]x=[1,2]就是一個向量。

一個二維平面的點位置有2個特征：橫坐標和縱坐標，因此可以用[x坐標，y坐標][x坐標，y坐標]這樣一個二維向量來表示二維平面上的一個點；同理，可以使用[x坐標，y坐標，z坐標]三維向量來表示空間中的一個點所在的位置。

日常生活中，我們也可以使用[身高h,性別s,體重w,膚色f][身高h,性別s,體重w,膚色f]這樣一個4維向量來表示一個人的特點。

更高維的向量可以表達一個物體更多維度的特征。

向量的維度通常表達的是向量中標量的個數。[1,2，3][1,2，3]的維度為3維。

03?矩陣

將多個向量排列到一起可以組成矩陣。例如：

如矩陣(1-1-1)所示，矩陣的每一行就是一個向量。

矩陣的形狀：每一列標量的個數 x 每一行標量的個數，矩陣(1-1-1)形狀為2x2，維度為2。

04?張量

將多個矩陣組合到一起可以形成張量。比如：

因此標量、向量、矩陣都可以看作是維度更少的張量。

張量的形狀

假設張量A形狀為dn×dn-1...×d1，那么表達的含義是：n維張量A中包含了dn個形狀為dn-1?...×d1的n?1維張量B，并以此類推到1維張量。所以張量(1-1-2)的形狀是3x2x2維度是3，張量(1-1-1)的形狀是是2x2維度是2。

注意：由于大家的對矩陣、張量的形狀和維度的概念容易混淆，本文在描述張量形狀的時候都會使用×符號來區(qū)分不同的維度。

05?Pytorch實踐

清楚了嗎？了解了嗎？學會了嗎？

以后有什么知識需求

就在公眾號后臺給學姐留言好嘛？

學姐會滿足大家的需求整理更多干貨的！

本文整理自（如有侵權請聯系刪除！么么噠?。?/p>

https://erenup.github.io/deeplearningbasics/