知识卡片
雅可比矩阵
输入为 n 维、输出为 m 维的可微映射,其雅可比矩阵 J 为 m×n:第 i 行、第 j 列是输出第 i 个分量对输入第 j 个分量的偏导数。它把各输出分量的局部变化信息放进一个矩阵。例如固定 x 时,内积 w·x 对 w 的雅可比是一行 x 的各分量。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 计算图 2.4 链式法则与反向传播 · 查看原书依据
计算图中的每一对父子节点都可以视作从一个向量到另一个向量的映射
参考来源
- 位置:《用Python实现深度学习框架》第2章《计算图》,2.4 链式法则与反向传播(来源项目 book-source:`extracted/用Python实现深度学习框架/_epub-src/text/part0000_split_018.html`)
- 结论依据:原文定义雅可比及其局部近似,推导复合映射的链式求导和分支求和;对原式的勘误按同节展开点定义判断。
- 原始内容:计算图中的每一对父子节点都可以视作从一个向量到另一个向量的映射。