知识卡片
张量的轴与形状
深度学习常用张量组织多轴数据:标量可以视为零轴,向量一轴,矩阵两轴,而图像批次可具有更多轴。形状记录每个轴的长度;轴的数量与某一个向量空间的维数不是同一个概念。
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
- 必要的数学预备知识 · 查看原书依据
从标量到向量再到矩阵,可以看作数据的维度从零维开始升维的过程。每增加一维,就加入一个轴。比如,列是向量,增加一个轴(如行),就成了矩阵。
参考来源
- 位置:《破解深度学习(基础篇)_模型算法与实现》第2章《必要的数学预备知识》(来源项目 book-source:`extracted/破解深度学习(基础篇)_模型算法与实现/_epub-src/EPUB/xhtml/qz03_0005.xhtml`,2.1节)
- 结论依据:原文解释对象定义及其在数据表示中的用途;举例用于帮助理解。
- 原始内容:从标量到向量再到矩阵,可以看作数据的维度从零维开始升维的过程。每增加一维,就加入一个轴。比如,列是向量,增加一个轴(如行),就成了矩阵。