人工智能必知必会-初识矩阵

每天五分钟带你解决一个深度学习问题。
在数学中，矩阵（Matrix）是一个按照长方阵列排列的复数或实数集合，最早来自于方程组的系数及常数所构成的方阵。这一概念由19世纪英国数学家凯利首先提出。

其实你就把他想成是一堆向量的堆叠就好了。比如你可以把向量 $\begin{bmatrix} {1} \\ {2} \\ \end{bmatrix}$ 和向量 $\begin{bmatrix} {2} \\ {3} \\ \end{bmatrix}$ 堆叠在一起组成矩阵 $\begin{bmatrix} 1 & 2 \\ 2 &3 \\ \end{bmatrix}$

import numpy as np
m1 = np.array([[1,2],[2,3]])

注意这里中括号的个数是两层，一定要注意！！！！！！
讲真，有可能我都希望在你耳边喊这句话，在用np操作矩阵的时候，这是最需要注意的地方！

m1

输出：

array([[1, 2],
       [2, 3]])

m1.shape

输出：

(2, 2)

这里千万要记住，矩阵是有形状的，可以通过shape属性查看。

矩阵与一个标量运算

矩阵与一个标量进行加法运算，相当于矩阵内的每个元素均和该标量进行加法运算。

m1 = np.array([[1,0],[0,1]])
m1 + 1

输出：

array([[2, 1],
       [1, 2]])

矩阵与一个标量进行减法运算，相当于矩阵内的每个元素均和该标量进行减法运算。

m1 -1

输出：

array([[ 0, -1],
       [-1,  0]])

矩阵与一个标量进行乘法运算，相当于矩阵内的每个元素均和该标量进行乘法运算。

m1 * 2

输出：

array([[2, 0],
       [0, 2]])

矩阵与一个标量进行除法运算，相当于矩阵内的每个元素均和该标量进行除法运算。

m1 / 2

输出：

array([[0.5, 0. ],
       [0. , 0.5]])

总结一下：

矩阵是什么一点不神奇，而且这货还能和标量进行运算。
今天是不是有点太简单了？循序渐进吧，各位！