线性代数是代数的一个分支，主要处理线性问题. 线性问题是指数对象之间的关系以一种形式表示. 线性代数源于求解线性方程式. 行列式，矩阵和向量是处理线性问题的强大工具.

线性代数与人工智能之间的联系:

1)神经网络中的所有参数都存储在矩阵中；线性代数使矩阵运算更快，更轻松，尤其是在GPU上训练模型时，因为GPU可以并行执行矢量和矩阵运算.

2)图像表示为在计算中顺序排列的像素阵列.

3)电子游戏使用巨大的矩阵来产生令人眼花gaming乱的游戏体验.

一个，标量，向量和矩阵

标量: 一个数字，例如: x = 3.

向量(向量): 有序的列数scalar矩阵，例如:

矩阵(Matrix): 由mxn个数字aii(i = 1，2，...，m; i = 1,2，...，n)排列的m行n列的数字表:

具体地说，行和列数等于n的矩阵称为n阶矩阵或n阶方矩阵.

矢量和矩阵应用示例: 在计算机视觉中scalar矩阵，图片以矩阵形式存储. 处理图像时，通常将图像矩阵转换为向量进行处理.

第二张量

Tensor是深度学习中的重要概念，也是许多深度学习框架(如TensorFlow和Pytorch)的重要组成部分. 深度学习中的许多操作和模型优化过程都是基于张量的.

张量定义: 一个多维数组. 零阶张量: 标量；一阶张量: 向量；二阶张量: 矩阵.

三，矩阵运算

四个线性分类器

总共3个类别(猫，汽车和人)对图片进行分类(通过图像处理将图像处理为仅由6个像素组成)，以最简单的线性分类器为例:

本文来自电脑杂谈，转载请注明本文网址：

http://www.pc-fly.com/a/jisuanjixue/article-234663-1.html