一、標(biāo)量、向量、矩陣、張量

標(biāo)量（scalar）
一個(gè)數(shù)值，最小的計(jì)算單元

向量（vector）
由多個(gè)標(biāo)量組成的一維數(shù)組

矩陣（matrix）
由標(biāo)量數(shù)據(jù)構(gòu)成的二維數(shù)組

張量（tensor）
深度學(xué)習(xí)領(lǐng)域，很多時(shí)候數(shù)據(jù)都是高于二維的，所以需要一種能夠表示任意維度的數(shù)據(jù)類型——張量。

二、向量范數(shù)

衡量向量大小的一種度量方式，幾何意義上是度量從原點(diǎn)到點(diǎn)x的距離。范數(shù)是正則化的主要手段，用來(lái)衡量模型的復(fù)雜度。
1. 0范數(shù)——表示向量中非0元素的個(gè)數(shù)
2. 1范數(shù)——絕對(duì)值范數(shù)，表示向量中所有元素的絕對(duì)值之和。
3. 2范數(shù)——?dú)W幾里得范數(shù)，也就是通常意義上的模值。
4. 范數(shù)——向量中每個(gè)元素絕對(duì)值的最大值

總結(jié)

以上是生活随笔為你收集整理的深入浅出深度学习（三）线性代数基础的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。