Welcome to bg51717's Wiki and Blog
矩阵奇异值分解SVD 矩阵奇异值分解SVD
定理陈述 对于任意 \(m \times n\) 的矩阵 \(A\),存在一个分解: \[ A = U \Sigma V^T \] 其中: r=rank(A)是矩阵A的秩 \(U\) 是一个 \(m \times m\) 的正交矩阵(即
矩阵偏分 矩阵偏分
在学习深度学习的过程中,很多次遇到了矩阵求导的问题,发现网上很多教程写的不是很好理解,记录自己的浅薄认知. (矩阵求导有分子转置(和分子行数一样)和分母转置(和分母行数一样)两种,两种结果互为转置。本篇介绍的不太一样,因为很多教程也是混杂