[Deep Learning]_5_선형 대수 기초 (1)

220302 작성

<본 블로그는 두우우부님의 딥러닝 입문 블로그를 참고해서 공부하며 작성하였습니다>

https://doooob.tistory.com/196

[딥러닝 입문 - 4] 선형 대수의 기초(1/9)

 

 

 

 

 

 

 

 

 

 

1. 선형 대수의 기초

1) 스칼라, 벡터, 행렬, 텐서

- 스칼라 scalar

: 하나의 값, 또는 변수

: 온도, 체중, 신장 등 단일 수량

: x∈R        =>      R은 실수의 스칼라로 이루어진 집합을 나타내며 A∈B 는 A는 B에 속한다

 

- 벡더 vector

: 스칼라를 한 방향으로 정렬한 것

: 벡터를 구성하는 스칼라들의 수를 요소나, 성분

열백터

: 열벡터란, 수직 방향으로 늘어놓은 것   ( 기본 )

행벡터

: 행벡터란, 가로로 늘어놓은 것

: 차원, 벡터에 포함된 스칼라 숫자의 수

: 벡터 x가 N차원의 벡터

 

- 행렬 matrix

: 같은 크기의 벡터를 복수로 늘어놓은 것

: 행렬은 대문자, bold

: 형태는 행과 열의 개수로 표현

(3,2)인 행렬

: 스칼라, 벡터의 경우 + 행렬  X의 사이즈가 (N, M) 이라면

 

- 텐서 tensor

: 벡터나 행렬을 일반화한 개념

: 벡터는 1층 텐서, 행렬을 2층 텐서. 행렬을 안쪽 방향으로 더욱 늘어놓은 것을 3층 텐서

ex) RGB는 각 채널이 행렬로 표현, 그 행렬이 채널 방향으로 복수로 쌓여 있기 때문에 이미지는 3층 텐서

: N차원 스칼라를 늘어놓은 것(요소를 지정하는데 N개의 인덱스 필요한 것) 을 N층 텐서

: 딥러닝 프레임워크는 여러장의 이미지 모임

=> 「이미지의 인덱스 하나」 + 「각 이미지의 인덱스 3개(폭, 높이, 채널)」의 4층 텐서

텐서란, 3층 이상의 텐서