Научиться мудрости так же невозможно, как научиться быть красивым (Г. Шоу).

TensorFlow – Математические основы

FavoriteLoadingДобавить в избранное
1 Звезда2 Звезды3 Звезды4 Звезды5 Звезд (1 оценок, среднее: 5,00 из 5)
Загрузка...
5 июня 2019
Как установить TensorFlow на CentOS 7
Важно понять математические понятия, необходимые для TensorFlow, прежде чем создавать базовое приложение в TensorFlow. Математика считается сердцем любого алгоритма машинного обучения. Именно с помощью основных понятий математики определяется решение для конкретного алгоритма машинного обучения.

 

Вектор

Массив чисел, который является либо непрерывным, либо дискретным, определяется как вектор. Алгоритмы машинного обучения работают с векторами фиксированной длины для лучшего генерирования выходных данных.

Алгоритмы машинного обучения работают с многомерными данными, поэтому векторы играют решающую роль.

Графическое представление векторной модели показано ниже:

TensorFlow - Математические основы

 

Скаляр

Скаляр может быть определен как одномерный вектор. Скаляры – это те, которые включают только величину и отсутствие направления. Со скалярами нас интересует только величина.

Примеры скаляров включают в себя параметры веса и роста детей.

 

Матрица

Матрица может быть определена как многомерные массивы, которые расположены в формате строк и столбцов. Размер матрицы определяется длиной строки и длиной столбца. На следующем рисунке показано представление любой указанной матрицы.

TensorFlow - Математические основы

 

Рассмотрим матрицу с «m» строками и «n» столбцами, как упомянуто выше, представление матрицы будет определено как «m * n matrix», которое также определило длину матрицы.

 

Математические вычисления

В этом разделе мы узнаем о различных математических вычислениях в TensorFlow.

 

Добавление матриц

Добавление двух или более матриц возможно, если матрицы имеют одинаковое измерение. Добавление подразумевает добавление каждого элемента в соответствии с заданной позицией.

Рассмотрим следующий пример, чтобы понять, как работает сложение матриц:

TensorFlow - Математические основы

Вычитание матриц

Вычитание матриц работает аналогично добавлению двух матриц. Пользователь может вычесть две матрицы при условии, что размеры равны.TensorFlow - Математические основы

 

Умножение матриц

Для того чтобы две матрицы A m * n и B p * q были умножаемыми, n должно быть равно p. Полученная матрица:

TensorFlow - Математические основы

Транспонирование матрицы

Транспонирование матрицы A, m * n обычно представляется AT (транспонирование) n * m и получается путем транспонирования векторов столбцов в качестве векторов строк.

TensorFlow - Математические основы

Точечное произведение векторов

Любой вектор размерности n можно представить в виде матрицы v = R ^ n * 1.

TensorFlow - Математические основы

Точечное произведение двух векторов является суммой произведений соответствующих компонентов – Компонентов вдоль одного измерения и может быть выражено как

TensorFlow - Математические основы

Пример точечного произведения векторов приведен ниже:

TensorFlow - Математические основы

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Просмотров: 29

Если статья понравилась, то поделитесь ей в социальных сетях:

Читайте также

    Добавить комментарий

    Войти с помощью: 

    Ваш e-mail не будет опубликован. Обязательные поля помечены *

    Сообщить об опечатке

    Текст, который будет отправлен нашим редакторам:

    Заполните форму и наш менеджер перезвонит Вам в самое ближайшее время!

    badge
    Обратный звонок 1
    Отправить
    galka

    Спасибо! Ваша заявка принята

    close
    galka

    Спасибо! Ваша заявка принята

    close