文章插图
矩阵是什么意思通俗1矩阵是一个按照长方阵列排列的复数或实数集合 , 最早来自于方程组的系数及常数所构成的方阵 。这一概念由19世纪英国数学家凯利首先提出 。
矩阵是高等代数学中的常见工具 , 也常见于统计分析等应用数学学科中 。在物理学中 , 矩阵于电路学、力学、光学和量子物理中都有应用;计算机科学中 , 三维动画制作也需要用到矩阵 。
矩阵的运算是数值分析领域的重要问题 。将矩阵分解为简单矩阵的组合可以在理论和实际应用上简化矩阵的运算 。对一些应用广泛而形式特殊的矩阵 , 例如稀疏矩阵和准对角矩阵 , 有特定的快速运算算法 。关于矩阵相关理论的发展和应用 , 请参考《矩阵理论》 。在天体物理、量子力学等领域 , 也会出现无穷维的矩阵 , 是矩阵的一种推广 。
深度学习框架究竟是什么?2《AI先锋*》是—家关注人工智能学术研究、产业生态链、技术落地、边缘应用等维度的先锋电子新媒体 。欢迎广大热爱AI的同道中人阅读、评论、转发、投稿 , 记得点击“关注” , 随时获取全球AI最新讯息 。
1 引言
一直在说深度学习框架 , 最近也在使用tensorflow进行了简单的实验 , 但是对其中关系的理解还是不够到位 , 他们里面究竟是怎样的一个运行机制呢?
2 说明
深度学习框架也就像Caffe、tensorflow这些是深度学习的工具 , 简单来说就是库 , 编程时需要import caffe、import tensorflow 。作一个简单的比喻 , 一套深度学习框架就是这个品牌的一套积木 , 各个组件就是某个模型或算法的一部分 , 你可以自己设计如何使用积木去堆砌符合你数据集的积木 。好处是你不必重复造轮子 , 模型也就是积木 , 是给你的 , 你可以直接组装 , 但不同的组装方式 , 也就是不同的数据集则取决于你 。
3 应用优势
深度学习框架的出现降低了入门的门槛 , 你不需要从复杂的神经网络开始编代码 , 你可以依据需要 , 使用已有的模型 , 模型的参数你自己训练得到 , 你也可以在已有模型的基础上增加自己的layer , 或者是在顶端选择自己需要的分类器和优化算法(比如常用的梯度下降法) 。当然也正因如此 , 没有什么框架是完美的 , 就像一套积木里可能没有你需要的那一种积木 , 所以不同的框架适用的领域不完全一致 。总的来说深度学习框架提供了一些列的深度学习的组件(对于通用的算法 , 里面会有实现) , 当需要使用新的算法的时候就需要用户自己去定义 , 然后调用深度学习框架的函数接口使用用户自定义的新算法.
4 关于组件
大部分深度学习框架都包含以下五个核心组件:
1. 张量(Tensor)
2. 基于张量的各种操作
3. 计算图(Computation Graph)
4. 自动微分(Automatic Differentiation)工具
5. BLAS、cuBLAS、cuDNN等拓展包
下面对这五大核心组件做一个简要的解释
4.1张量(Tensor)
张量是所有深度学习框架中最核心的组件 , 因为后续的所有运算和优化算法都是基于张量进行的 。几何代数中定义的张量是基于向量和矩阵的推广 , 通俗一点理解的话 , 我们可以将标量视为零阶张量 , 矢量视为一阶张量 , 那么矩阵就是二阶张量 。
举例来说 , 我们可以将任意一张RGB彩色图片表示成一个三阶张量(三个维度分别是图片的高度、宽度和色彩数据) 。如下图所示是一张普通的水果图片 , 按照RGB三原色表示 , 其可以拆分为三张红色、绿色和蓝色的灰度图片 , 如果将这种表示方法用张量的形式写出来 , 就是图中最下方的那张表格 。
图中只显示了前5行、320列的数据 , 每个方格代表一个像素点 , 其中的数据[1.0, 1.0, 1.0]即为颜色 。假设用[1.0, 0, 0]表示红色 , [0, 1.0, 0]表示绿色 , [0, 0, 1.0]表示蓝色 , 那么如图所示 , 前面5行的数据则全是白色 。
将这一定义进行扩展 , 我们也可以用四阶张量表示一个包含多张图片的数据集 , 其中的四个维度分别是:图片在数据集中的编号 , 图片高度、宽度 , 以及色彩数据 。
- 黑色曼陀罗花语 黑色曼陀罗花 黑色曼陀罗是什么意思
- gmc是什么车_gm是什么车
- 古代女子成为青楼女子很难从良的原因是什么?
- 红楼梦王熙凤判词是什么?她的性格特点如何?
- 孙悟空兵器是什么孙悟空的年龄到底是多少岁
- 秦始皇陵兵马俑的诅咒之谜是什么真的存在吗
- m开头的咖啡 M咖啡是什么牌子
- 2021年处暑是什么时候 2022处暑是一年中最热的时候吗
- 中二病是啥意思是什么 中二是什么意思
- 3朵粉玫瑰花 两朵粉色玫瑰花代表什么意思