线性代数 -- 矩阵求导

Tips:本文为理解神经网络的前置知识,整体内容并不全,相关内容还需后续进一步完善。

一、基础

1、标量、向量和矩阵

标量:只有大小,没有方向的量

向量(欧几里得向量):具有大小和方向的量。

矩阵:按照长方阵列排列的复数或实数集合

数学中的表示:

2、布局引入

2.1、标量对标量的导数

高等数学里面,我们已经学过了标量对标量求导,如下

有时候可能会有两个自变量,:

2.2、标量对向量的导数

我们将上面的两个标量写成向量形式,于是有(标量 y ,向量 x ):

将两个推广到多个,就有了标量对向量求导的形式:

那么问题来了,一个标量y对维度为m的向量x求导,那么结果也是一个m维的向量,那么这个结果向量是行向量,还是列向量呢?

可见标量对向量的求导,就是标量对向量中每个分量求导,最后把他们排列在一起,按一个向量表示,同理也可以得到向量对标量 的求导、向量对向量 的求导、标量对矩阵 的求导、矩阵对标量 的求导、向量对矩阵 的求导、矩阵对向量 的求导、矩阵对矩阵的求导。

如上,标量y对维度为m的一个向量x 的求导,那么结果也是一个m维的向量。这个m维的求导结果排列成的m维列向量或行向量均可。

但在我们机器学习算法法优化过程 中,如果行向量或者列向量随便写,那么结果就不唯一,为了解决这个问题,我们引入求导布局的概念。

3、分子布局(numerator layout)和分母布局(denominator layout)

3.1、标量对向量的求导

对于分子布局 ,我们求导结果的维度以分子 为主,比如上面标量对向量求导的例子,结果的维度和分子的维度是一致的。也就是说,如果向量x 是一个m维的行向量,那么求导结果是一个m维列向量。如果向量x 是一个m维列向量,那么求导结果是一个m维行向量。

对于分母布局 来说,我们求导结果的维度以分母 为主,如果向量x 是一个m维的行向量,那么求导结果也是一个m维行向量。如果向量x 是一个m维的列向量,那么求导结果也是一个m维的列向量。

分子布局和分母布局的结果来说,两者互为转置

3.2、向量对标量的求导

同理可得:

3.4、向量对向量的求导

3.5、标量对矩阵的求导

标量y对矩阵X(m*n)求导:

  • 分子布局:求导结果维度为n*m
  • 分母布局:求导结果维度与分母的矩阵X维度一致,为m*n

3.6、矩阵对标量的求导

矩阵Y(m*n)对标量x求导:

  • 分子布局:求导结果维度与分子的矩阵Y维度一致,为m*n
  • 分母布局:求导结果为n*m

向量对矩阵 的求导、矩阵对向量 的求导、矩阵对矩阵的求导。

相关推荐
东方佑7 分钟前
当人眼遇见神经网络:用残差结构模拟视觉调焦的奇妙类比
人工智能·深度学习·神经网络
智驱力人工智能14 分钟前
深度学习在离岗检测中的应用
人工智能·深度学习·安全·视觉检测·离岗检测
lifallen15 分钟前
揭秘KafkaStreams 线程缓存:NamedCache深度解析
数据结构·算法·缓存·kafka·apache
hjs_deeplearning19 分钟前
认知篇#12:基于非深度学习方法的图像特征提取
人工智能·深度学习·目标检测
Tony Bai22 分钟前
【AI应用开发第一课】11 实战串讲:用 Go 构建一个 AI 驱动的 GitHub Issue 助手
人工智能·issue
我的知识太少了26 分钟前
P1122 最大子树和
算法
郝学胜-神的一滴28 分钟前
深入浅出 C++20:新特性与实践
开发语言·c++·程序人生·算法·c++20
阿杜杜不是阿木木30 分钟前
开始 ComfyUI 的 AI 绘图之旅-Flux.1 ControlNet (十)
人工智能·深度学习·ai·ai作画·lora
格林威36 分钟前
Linux使用-MySQL的使用
linux·运维·人工智能·数码相机·mysql·计算机视觉·视觉检测
币须赢42 分钟前
机器人智能系统架构:小脑
人工智能·机器人