深度学习《deep learning》学习笔记第二章——线性代数(用玩王者荣耀的经验来学习)
来源:互联网 发布:cda数据分析师考试费用 编辑:程序博客网 时间:2024/04/28 22:07
线性代数
如何理解一些基本概念
学习笔记用来记录自己反反复复学习到感觉能理解走过的一些路,希望对一些和我一样理解线性代数困难的同学有帮助。
1. 第一步:看完《deep learning》里面不懂的名词用百度等查看一下。
2. 第二步:去B站搜索线性代数的本质这个视频,国外人制作的,看完至少有形象的感受。(没想到居然会在B站学数学)
3. 第三步:在看一遍《deep learning》第二章,是否看得明白,还不明白可以看下我自己总结的一些概念点的类比。
理解矩阵是运动的描述,这个运动类似于荣耀里面的“闪现”。游戏里面的“闪现”是在让英雄在指定方向瞬间位移一段距离,瞬间概念很重要,不像有些位移英雄是冲过去,有些像猴子吕布是飞过去。我们可以把矩阵理解为一个“闪现”的运动只不过这个“闪现”可长可短,一个矩阵乘以一个向量,就是把这个向量“闪现”到一个位置。
“基”如何理解,玩农药你应该知道基地吧,把基地理解为“基”。选好了“基”后那么对于地图上任何一个英雄的“闪现”我们都可以用一个矩阵来描述,为什么这么说呢?比如我方打野的荆轲从上路闪现到中路,那么在对于我方来说是我们看到的上路到中路,对于敌方,他们的游戏视角是下路到中路。也就是对于同一个英雄的“闪现”运动描述,在不同的“基地”视角看是不一样的,但是实际上描述的都是一个“运动”。
在通俗点,假如你和你朋友面对面1V1,开局你是从左下角走到中路,你的手机上看你朋友是从右上角走到中路的;你看你朋友手机他自己确实从左下角走到中路,你能说你们看的运动是不一样的吗?其实是一样的,只不过你们选择的“基”不一样。如果把向量看过一局直播比赛里面的某个英雄,把矩阵看作这个英雄的“闪现”运动描述,那么蓝方的一个英雄从上路闪现到下路这个运动对于观众和蓝方来说是一样的,对于正在比赛的红方来说是下路闪现到上路完全相反的。矩阵是对运动的描述,那么相似矩阵就是对同一个运动在不同的“基”下的描述。就像上文的举的直播游戏比赛例子,红蓝双方描述不同但是都是对同一个运动进行描述。
一旦有了矩阵是一个运动的描述的形象后,对于Ax=b 这个公式就可以这样理解,x这个向量(英雄的位置)通过矩阵A这个运动“闪现”到一个位置b。
然后在执行一遍最开头的第一步到第三步,其实学习数学,如果没有很好的天份,那么就多看几遍,每次懂一点点的概率,在脑海中能运行出来一点点图像那就行了,毕竟我们不是研究数学而是要拿来用在深度学习的。
- 深度学习《deep learning》学习笔记第二章——线性代数(用玩王者荣耀的经验来学习)
- Deep Learning学习笔记——线性代数
- 《deep learning》学习笔记(2)——线性代数
- Deep Learning学习笔记之线性代数
- 深度学习第二章-线性代数笔记
- 深度学习《deep learning》学习笔记第一章——引言
- Deep Learning(深度学习)学习笔记
- Deep Learning(深度学习)学习笔记
- 深度学习deep learning学习笔记
- Deep Learning(深度学习)学习笔记
- Deep Learning(深度学习)学习笔记
- Matlab深度学习笔记——安装deep learning toolbox
- Deep learning学习笔记(1)——对深度学习的理解
- Deep Learning深度学习
- Deep learning -深度学习
- Deep Learning(深度学习)
- 深度学习Deep learning
- 深度学习(Deep Learning)
- 数据库自动化运维平台--自助建表建库
- Glide加载圆形image第一次显示占位图的解决方法
- 虚拟机ubuntu16.04 安装eclipse
- 几句话让你明白约束的作用
- Linux下压缩和解压缩命令
- 深度学习《deep learning》学习笔记第二章——线性代数(用玩王者荣耀的经验来学习)
- Python IP 的处理模块
- 在Linux中如何利用backtrace信息解决问题
- 【bzoj3048】[Usaco2013 Jan]Cow Lineup
- ORA-23421: 作业编号在作业队列中不是一个作业
- 洛谷 mNOIP 模拟赛 Day 1
- [DeeplearningAI笔记]ML strategy_2_4端到端学习
- gstream 编译官方第五个代码报错:找不到#include <gst/video/videooverlay.h>
- 输入年份与月份 判断是否是闰年 与该年月的天数