企业官网建设流程全解析

余姚公司建设网站,桂林网萌科技有限公司,贵州企业seo,沈阳商城网站开发本文博主将通俗地解释一下标量和向量。它们是构建张量世界乃至整个数学和物理世界最基础的“乐高积木”。1. 标量 —— “单一的量” 一句话概括#xff1a;标量就是一个只有大小#xff0c;没有方向的“单个数字”。它是什么#xff1f; 标量是零维张量。它没有长度、宽度、…本文博主将通俗地解释一下标量和向量。它们是构建张量世界乃至整个数学和物理世界最基础的“乐高积木”。1. 标量 ——“单一的量”一句话概括标量就是一个只有大小没有方向的“单个数字”。它是什么标量是零维张量。它没有长度、宽度、高度就是一个点一个独立的数值。这个数值可以代表任何单一属性的量。例子温度25℃只表示“多热”不表示热量往哪个方向传播质量60kg价格¥99.99长度1.75m损失值0.314在深度学习中模型预测的总误差核心特性只有大小没有方向。遵循普通的算术法则加减乘除。通俗比喻单一维度的信息就像你手机电池显示的百分比78%它只告诉你一个事——“还剩多少电”。它是一个孤立的数值。一个音符一个单独的音符比如中央C它有音高这个属性但它自己无法构成旋律。一个数据点在一项调查中一个人的年龄28这个28就是一个标量。2. 向量 ——“有序的列表”一句话概括向量是一组有序排列的标量它不仅有大小还隐含着方向或一组相互关联的特征。它是什么向量是一维张量。你可以把它想象成一行或一列数字。它表示一个多元或有方向的量。向量中的每一个位置都有特定含义。数学表示通常写作v [v₁, v₂, v₃, ...]或列的形式。例子空间中的位移/速度最经典的物理向量位移[向东5米 向北3米]。这不仅仅是走了√(5²3²)≈5.83米大小还明确指出了方向东偏北约31度。一个人的特征向量在机器学习中无处不在[身高1.75 体重65 年龄28]这个向量有序地描述了同一个对象的三个不同属性。位置1固定是身高位置2固定是体重。单词的嵌入向量在NLP中单词“猫”可能被表示为[0.2, -0.5, 0.9, ..., 0.1](一个300维的向量)。这个高维向量编码了“猫”的语义。神经网络的一层输出一个全连接层有128个神经元它的输出就是一个128维的向量每个数字代表一个神经元“激活”的程度。核心特性有序性[身高 体重]和[体重 身高]是两个不同的向量。有大小模长和方向在物理和几何意义上。在机器学习中“方向”常被理解为在特征空间中的一个点或一个指向。可以进行丰富的运算加法、点积内积用于衡量相似性、叉积等。通俗比喻一个完整的地址地址[“中国” “北京市” “海淀区” “中关村大街”, “27号”]就是一个向量。它不止告诉你一个信息而且信息的顺序至关重要。一行乐谱一小节乐谱[C, E, G]一个和弦它是一个音符的有序组合形成了一个有意义的音乐单元。这比一个孤立的音符信息量大得多。游戏角色的属性面板[力量:85, 敏捷:60, 智力:20, 生命值:300]。这组有序的数字完整地定义了这个角色此刻的状态。坐标系中的一个箭头最直观从原点(0,0)指向点(5,3)的箭头就是一个向量[5,3]。它的长度是大小箭头指向就是方向。标量 vs. 向量关键区别与联系特性标量向量维度零维一个点一维一条线/一个列表信息量单一属性多个有序属性 或一个带方向的量数学实体单个数字数字的有序数组几何意义数轴上的一个点空间中的一个有向箭头或一个点深度学习中的角色损失值、学习率等单一超参数一层神经元的激活值、一个样本的特征表示、权重矩阵的一行/一列运算普通算术向量加法、点积、与标量的乘法等它们的关系向量是由标量作为元素组成的。一个1维的向量可以看作多个标量的有序打包。在深度学习中一个样本的特征通常用向量表示整个数据集则用矩阵或更高维张量表示。进阶一步升维理解如果把标量看作一个音符那么向量就是一小节旋律。如果把标量看作一个像素的亮度那么向量就可以是一行像素的亮度或者一个像素点的RGB颜色值[R, G, B]。理解标量和向量是理解矩阵二维张量和张量N维数组的基础。在深度学习的计算中向量化运算对整个向量或矩阵进行操作而非对单个标量循环是GPU能够实现惊人加速的关键。