放弃深度学习?我承认是因为线性代数
深度学习从入门到放弃?一定是哪里出了问题。
这篇文章想来和你探讨下:深度学习背后的线性代数问题。
先做个简单的名词解释
深度学习:作为机器学习的一个子域,关注用于模仿大脑功能和结构的算法:人工神经网络。
线性代数:连续的而不是离散的数学形式,许多计算机科学家不太了解它。对于理解和使用许多机器学习算法,特别是深度学习算法,理解线性代数是非常重要的。
为什么需要数学?
线性代数,概率和微积分是机器学习用于表述的「语言」。学习这些主题将有助于深入理解底层算法机制,便于开发新算法。
当限定在更小的层次时,深度学习背后的基础都是数学。所以在开始深度学习和编程之前,理解基本的线性代数是至关重要的。
深度学习背后的核心数据结构是标量,向量,矩阵和张量。让我们以编程方式用这些解决所有基本的线性代数问题。
标量
标量是单个数字,是一个 0 阶张量的例子。符号 x
