TensorFlow - 数学基础

在TensorFlow中创建基本应用程序之前，了解TensorFlow所需的数学概念非常重要，数学被视为任何机器学习算法的核心，借助于数学的核心概念，定义了针对特定机器学习算法的解决方案。

向量(Vector)

将连续或离散的数字数组定义为向量，机器学习算法处理固定长度的向量，以产生更好的输出。

机器学习算法处理多维数据，因此向量起着至关重要的作用。

向量模型的图形表示如下所示-

链接：https://www.learnfk.comhttps://www.learnfk.com/tensorflow/tensorflow-mathematical-foundations.html

来源：LearnFk无涯教程网

标量(Scalar)

标量可以定义为一维向量，标量是仅包含量级而没有方向的标量。

矩阵(Matrix)

矩阵可以定义为多维数组，以行和列的格式排列。矩阵的大小由行长和列长定义。下图显示了任何指定矩阵的表示形式。

考虑如上所述的具有" m"行和" n"列的矩阵，矩阵表示将被指定为" m * n矩阵"，其也定义了矩阵的长度。