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。

src

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