深度学习是近期出现的、使用更新方法和更快硬件的人工神经网络的复兴，这一方法使得在非常大的数据集上开发和培训更大更深的（更多层）网络成为可能 。深度学习方法通常会在机器翻译、照片字幕、语音识别等一系列具有挑战性的领域取得最新成果 。神经网络的执行涉及线性代数数据结构的相乘和相加 。如果扩展到多个维度，深度学习方法可以处理向量，矩阵，甚至输入和系数的张量，此处的张量是一个两维以上的矩阵 。
线性代数是描述深度学习方法的核心，它通过矩阵表示法来实现深度学习方法，例如 Google 的 TensorFlow Python 库，其名称中包含「tensor」一词 。结论在这篇文章中，您浏览了 10 个您可能熟悉的常见机器学习案例，这些案例都要用到并需要线性代数 。具体来说，您学到了：在处理表格数据集和图像等数据时使用线性代数结构 。
推荐阅读
- 海尔卡萨帝热水器，海尔刚出来的卡萨帝热水器质量怎么样求维修过此种热水器人分解
- AV矩阵切换器,av矩阵切换器
- 灭神怎么分解守护,《灭神》今日激燃公测
- 求根公式的分解方法和特点有哪些？你完全掌握了吗？
- 战神三十六计怎么分解马超,均用了三十六计中哪一计
- 对称矩阵的值怎么求,矩阵的值怎么求
- 什么能分解蛋白质污渍
- 为什么洗洁精能分解食用油
- 什么是媒体矩阵,矩阵是什么
- 分解质因数的方法求最小公倍数,分解质因数的方法